node对接百度语音识别

node对接百度语音识别

官方文档

• 文档地址： 点这里：http://ai.baidu.com/docs#/ASR-API/77e2b22e

第一步

• 进入控制台
• 人工智能
• 语音识别
• 先创建应用：获得appid、apikey、secritkey

第二步

• 创建一个文件夹test
• cd test 进入文件夹
• 创建index.js文件
• 安装依赖：npm i baidu-aip-sdk

示例代码说明

• 百度语音需要的格式是pcm，所以需要转码

• 转码用的是ffmpeg：

  • 由于node版本更新后，npm上的ffmpeg 包使用不上，则采用命令行使用官方下载的 build 包
  • 官方地址：点这里：http://ffmpeg.org/ffmpeg.html
  • 百度语音使用ffmpeg的使用说明：点这里：https://ai.baidu.com/docs#/ASR-Tool-convert/ec5eb053

• 这里比较烦的是ffmpeg的配置，由于linux和Windows不同，所以配置环境变量的方式也不一样

• 配置windows
  

  • 设置命令行执行指令：
    

  set path=D:\dev\ffmpeg-20180903-23fe072-win64-static\bin;%path%
  call ffmpeg -y -i 【音频路径】 -acodec pcm_s16le -f s16le -ac 1 -ar 16000 【转码后存放音频路径】

配置linux

• 设置命令行执行指令：
  

export PATH=$PATH:/data/ffmpeg/ffmpeg-git-20180831-64bit-static
ffmpeg -y -i 【音频路径】 -acodec pcm_s16le -f s16le -ac 1 -ar 16000 【转码后存放音频路径】

如何在代码中执行指令：

• nodejs给我们提供了，子进程的方法

  • 官方文档有提供示例

      const exec = require('child_process').exec; // node自带的子进程方法
  
      // 执行时会出现编码问题，设置参数，编码格式gbk或者utf-8
      // 代码中自执行
      // 这句是设置ffmpeg路径，注意到bin目录即可
      exec('set path=D:\\dev\\ffmpeg-20180903-23fe072-win64-static\\bin;%path%', { 'encoding': 'GBK' });

// 示例如下：
/* 百度ai（人工智能）接入 */

const BDAIPSDK = require('baidu-aip-sdk');
const AipSpeechClient = BDAIPSDK.speech;

const incfg = {
  appid: appid,
  apikey: apikey,
  secretkey: secretkey
};

// 新建一个对象，建议只保存一个对象调用服务接口
const client = new AipSpeechClient(incfg.appid, incfg.apikey, incfg.secretkey);

const fs = require('fs');
const os = require('os');
const exec = require('child_process').exec; // node自带的子进程方法

/* 设置dos命令行的参数编码格式 */
const inEncoding = "GBK";

const log = require('../util/log')('logic/baidu');

export default class Baidu {

  static async parseAudio(data) {
    let rc = null;
    try {
      if (!data) {
        return;
      }

      let indos = '';
      let indos2 = '';

      const entry = `${data.filePath}${data.fileName}`;
      const outPath = `${data.filePath}${new Date().getTime()}.pcm`;

      if (os && os.EOL === '\r\n') {
        indos = 'set path=D:\\dev\\ffmpeg-20180903-23fe072-win64-static\\bin;%path%';
        indos2 = `call ffmpeg -y  -i ${entry} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 ${outPath}`;
      } else {
        indos = 'export PATH=$PATH:/data/ffmpeg/ffmpeg-git-20180831-64bit-static';
        indos2 = `ffmpeg -y  -i ${entry} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 ${outPath}`;
      }

      log.debug('parse param：', { entry, outPath, indos, indos2 });

      await new Promise((resolve, reject) => {
        exec(indos, { 'encoding': inEncoding });
        exec(indos2, { 'encoding': inEncoding }, function (error, stdout, stderr) {
          /* log.debug('indos2',{error,stdout: iconv.decode(stdout, inEncoding),stderr: iconv.decode(stderr, inEncoding)}); */

          if (error) {
            reject(error);
          } else {
            resolve(stderr);
          }
        });
      });

      const voice = fs.readFileSync(outPath);
      log.debug('voice:', voice);

      if (voice) {
        const voiceBuffer = new Buffer(voice);

        rc = await new Promise((resolve, reject) => {
          client.recognize(voiceBuffer, 'pcm', 16000).then(function (result) {
            log.debug('parse result:', result);
            resolve(result);
          }, function (err) {
            log.debug('parse err:', err);
            reject(err);
          });
        });
      }
    } catch (e) {
      log.error('baidu parse error:', e.message);
    }

    return rc;
  }
}