录制的音频/webm 作为 Google Speech-To-Text API 的输入

Question

我目前使用 React 作为我的前端和 Java Spring Boot 作为我的服务器。我正在使用 React-Mic 录制音频，将音频传递给 FormData 并将该 FormData 作为正文的 HTTP 发布请求发送到我的 Java 服务器。但是，由于录制的音频在 webm 中，因此 Google Speech-To-Text API 没有适当的编码。知道如何将音频转换为 flac 或 Google Speech-To-Text API 支持的任何其他格式类型吗？

Answer 1

可能使用 JAVE2 将 webm 转换为 mp3（或其他）。

https://github.com/a-schild/jave2

自述文件中的示例应该为您指明正确的方向：

try {                                                         
 File source = new File("file path"); // Path to your webm                   
 File target = new File("file path");  // Output path   

 //Audio Attributes                                       
 AudioAttributes audio = new AudioAttributes();              
 audio.setCodec("libmp3lame"); // Change this to flac if you prefer flac                               
 audio.setBitRate(128000);                                   
 audio.setChannels(2);                                       
 audio.setSamplingRate(44100);                               

 //Encoding attributes                                       
 EncodingAttributes attrs = new EncodingAttributes();        
 attrs.setFormat("mp3"); // Change to flac if you prefer flac                                     
 attrs.setAudioAttributes(audio);                            

 //Encode                                                    
 Encoder encoder = new Encoder();                            
 encoder.encode(new MultimediaObject(source), target, attrs); 
 // The target file should now be present at the path specified above


} catch (Exception ex) {                                      
 ex.printStackTrace();                                        
}                     

转换后，您将拥有一个文件对象，您可以将其转换为 byte[] 以发送到语音到文本 api，如下例所示：

https://github.com/GoogleCloudPlatform/java-docs-samples/blob/master/speech/cloud-client/src/main/java/com/example/speech/QuickstartSample.java