有什么方法可以流畅地接收音频并将其发送到后端

Question

我想创建一个网络应用程序（Flask-A Flashcard AI），其中一部分是一个机器人，需要通过语音识别和文本到语音直接与人类交互。我为此安装了 pyttsx3 和 speech_recognition，我很困惑的是我应该如何获取用户的音频作为输入，然后将其发送到后端。我尝试查找 YouTube 教程并询问其他人，我唯一的成功是了解 Navigator.MediaDevices.getUserMedia。我想让通信流畅，我还必须将数据发送到后端。我不知道如何将它发送到后端并流畅地获取用户媒体，我可以使用Navigator.MediaDevices.getUserMedia 并将其转换为音频文件（不知道如何做到这一点，但我想我会弄明白的最终，让用户上传录音并不是一件好事），但这会占用数据库的大量空间。 p>

Answer 1

如果您只想处理一些基于语音的动作，您可以使用语音 API。 https://developer.mozilla.org/en-US/docs/Web/API/Web_Speech_API

此 API 将能够为您提供基于文本的字幕，您可以轻松地将其存储在数据库中。

如果您需要将音频存储在服务器端，您可以将其转换为诸如mp3 或aac 之类的低级格式以节省空间。