录制一个小于60s的pcm格式数据源用于语音识别,但是录入的音频文件过大,识别结果报错:errorCode: 1002200003 errorMessage: write audio fail with beyond max of audio,对于这种情况该如何识别。音频采集配置代码为:
import audio from '@ohos.multimedia.audio'; let audioStreamInfo: audio.AudioStreamInfo = { samplingRate: audio.AudioSamplingRate.SAMPLE_RATE_48000, // 采样率 channels: audio.AudioChannel.CHANNEL_2, // 通道 sampleFormat: audio.AudioSampleFormat.SAMPLE_FORMAT_S16LE, // 采样格式 encodingType: audio.AudioEncodingType.ENCODING_TYPE_RAW // 编码格式 } let audioCapturerInfo: audio.AudioCapturerInfo = { source: audio.SourceType.SOURCE_TYPE_MIC, // 音源类型 capturerFlags: 0 // 音频采集器标志 } let audioCapturerOptions: audio.AudioCapturerOptions = { streamInfo: audioStreamInfo, capturerInfo: audioCapturerInfo }
AudioInfo是启动语音识别的音频配置信息,有以下几个关键参数:
其中pcm音频字节大小计算规则:sampleRate * (sampleBit / 8) * soundChannel * 时间,60s音频的最大字节数为16000 * 16 / 8 * 1 * 60 = 1920KByte。
根据AudioInfo的配置信息,将原本的audioStreamInfo的samplingRate(采样率)修改为:audio.AudioSamplingRate.SAMPLE_RATE_16000,将channels(通道)修改为audio.AudioChannel.CHANNEL_1。
Q:根据API文档相关介绍,当前speechRecognizer只支持pcm格式的音频数据。传入mp3格式的音频数据,调用startListener后只有onStart回调,其他如onError或者onComplete无回调。对于mp3,wav格式的文件是否有第三方库支持语音识别?
A:目前语音识别仅支持pcm格式,如果需要转其他格式可以考虑使用三方库提供的转码支持功能,将录制的数据转码成pcm格式。
Q:在使用语音识别功能时,使用AudioCapturer的录音功能,录制后的文件不能正常播放(有文件大小,导出后播放提示文件已损坏)。
A:AudioCapturer是音频采集器,用于录制pcm(Pulse Code Modulation)音频数据,得到的pcm格式文件不支持预览。验证阶段可以把录音文件导出来,用三方软件比如Audacity转为可以播放的格式。
Q:点击writeAudio按钮后,运行到本段代码被阻断,asrEngine.writeAudio("123456", unit8Array)未执行到就打印出日志,是缺少什么权限吗?
private async writeAudio() { console.info("writeAudio start") let ctx = this.getUIContext().getHostContext(); let filenames: string[] = fileIo.listFileSync(ctx.filesDir); if (filenames.length <= 0) { console.info("writeAudio stop") return; } }
A:writeAudio()中的filename<0是因为文件没有推到手机里/权限不够,导致asrEngine.writeAudio("123456", unit8Array)未执行到。可以在测试真机中导入pcm格式文件并打开读写权限,即可正常运行,导入方法:
hdc_std list targets hdc_std file send long.pcm /data/app/el2/100/base/com.huawei.ohos.hiaiuser/haps/hiaiuser/files hdc_std shell chmod 777 /data/app/el2/100/base/com.huawei.ohos.hiaiuser/haps/hiaiuser/files/long.pcm
Q:语音识别功能的识别率有点低,该怎么设置来提高识别率,后期会不会更加强大?
A:识别率在于模型,后面模型肯定会优化的。
Q:语音转文字报错:1002200009 Failed to write audio data。
A:错误码1002200009表示写入音频数据失败。参考writeAudio,该报错的原因可能有:
Q:语音转文字报错:1002200010 write audio failed because the start listening is failed。
A:错误码1002200010表示语音识别未启动。该报错的原因可能是启动语音识别的相关参数出现错误,常见的是传入的音频文件不是pcm格式。