科大迅飞语音听写（流式版）WebAPI，Web前端、H5调用 语音识别，语音搜索，语音听写

前言

由于公司有个Web项目需要用到语音搜索功能，找了一些第三方库都不太理想，要么语音识别速度很慢，要么不能精确识别等等，最后选择了迅飞语音（迅飞语音听写（流式版）WebAPI）。迅飞语音相对来说做得还是比较成熟了，不过是收费的，是按照调用API次数来收费，但是有试用次数，新用户注册每天有500次调用次数，用户实名认证后每天有15万次调用次数（不定期会有活动，推荐购买正式版）。

讯飞语音相关的产品还是比较全面的，根据项目需要这次用的是迅飞语音听写（流式版）WebAPI，官网有不同平台的Demo和SDK，由于我们是之前的老Web项目（没有进度前后端分离），而官网下载下来的Demo需要调用很多第3方库，而且还要经过打包编译，感觉过于复杂。

所以我进行了一下封装，去除了很多不必要的插件和代码，可以直接Web前端、H5中调用（在html文件中引入js文件调即可，使用起来很方便，不用去打包编译等）注：获取浏览器录音功能，因安全性问题，需要在localhost 或 127.0.0.1 或 https 下才能获取权限，在这里记录一下，方便以后再次用到。

 

语音听写功能简介：

• 把语音(≤60秒)转换成对应的文字信息，让机器能够“听懂”人类语言，相当于给机器安装上“耳朵”，使其具备“能听”的功能。
• 语音听写流式接口，用于1分钟内的即时语音转文字技术，支持实时返回识别结果，达到一边上传音频一边获得识别文本的效果。
• 该语音能力是通过Websocket API的方式给开发者提供一个通用的接口。
• Websocket API具备流式传输能力，适用于需要流式数据传输的AI服务场景，比如边说话边识别。
• 相较于SDK，WebAPI具有轻量、跨语言的特点；相较于HTTP API，Websocket API协议有原生支持跨域的优势。
• 语音听写流式WebAPI 服务，热词使用方式：登陆开放平台https://www.xfyun.cn/后，找到控制台--我的应用---语音听写---个性化热词，上传热词。

 

实例效果：

 

实例化API：

// 实例化迅飞语音听写（流式版）WebAPI
const iatRecorder = new IatRecorder({

    // 服务接口认证信息 注：apiKey 和 apiSecret 的长度都差不多，请要填错哦！
    appId: '',
    apiKey: '',
    apiSecret: '',

    onWillStatusChange: function (oldStatus, newStatus) {
        //可以在这里进行页面中一些交互逻辑处理：注：倒计时（语音听写只有60s）,录音的动画，按钮交互等！
        fixedBox.style.display = 'block';
    },
    onTextChange: function (text) {
        //监听识别结果的变化
        voiceTxt.value = text;
        fixedTxt.innerText = text;

        // 5秒钟内没有说话，就自动关闭
        if (text) {
            clearTimeout(fiveTell);
            fiveTell = setTimeout(function () {
                iatRecorder.stop();
                fixedBox.style.display = 'none';
            }, 5000);
        };
    }
});

 

使用说明：

在代码中已有很详细的注释和说明，一看就便懂，这里就不要熬述啦哈！

语音听写简介：https://www.xfyun.cn/services/voicedictation

语音听写（流式版）WebAPI 文档：https://www.xfyun.cn/doc/asr/voicedictation/API.html

SDK&API 错误码查询：https://www.xfyun.cn/document/error-code

 

项目地址：

https://github.com/MuGuiLin/VoiceDictation

 

注意事项：

要使用该功能，请先去迅飞开放平台注册账户(只限新用户)，然后登录到控制台，创建应用拿到迅飞语音听写（流式版）WebAPI服务接口认证信息，分别是appId: '', apiKey: '', apiSecret: ''这3种参数。

原WebAPI普通版本接口(http: //api.xfyun.cn/v1/service/v1/iat) 不再对外开放，已经使用WebAPI普通版本的用户仍可使用，同时也欢迎体验新版流式接口并尽快完成迁移！

使用前提条件：

1、要有appId，apiKey，apiSecret这3个参数，并且还要有API次数。

2、要有硬件设备（麦克风）并且允许受权API调用麦克风的权限。

3、使用要在服务环境下运行如（WAMP、XAMPP、Phpstudy、http-server、WebServer）以localhost 或 127.0.0.1 或 在https环境下运行。

 

识别运行过程：

1、websocket连接：判断浏览器是否兼容，获取websocket url并连接，这里为了方便本地生成websocket url。

2、 获取浏览器录音权限：判断浏览器是否兼容，获取浏览器录音权限。

3、.js获取浏览器录音数据。

4、将录音数据处理为文档要求的数据格式：采样率16k或8K、位长16bit、单声道；该操作属于纯数据处理，使用webWork处理。

5、根据要求（采用base64编码，每次发送音频间隔40ms，每次发送音频字节数1280B）将处理后的数据通过websocket传给服务器。

6、实时接收websocket返回的数据并进行处理。