最近折腾了swift的语音录制识别和转码,这块还是比较坑的,由于语音识别的准确度实测大概也就80%左右,所以还是需要上传录音文件啊。
首先是用讯飞语音SDK实现语音录制和识别(语音听写),第一个坑是讯飞SDK只录制了PCM格式的文件,这个文件是原始格式,默认比较大,另外播放器支持也不好,因此需要先把它转成mp3,本来考虑使用系统的AudioConverter转aac格式,不过aac好像不能在浏览器上播放。
转成mp3需要lame库支持,注意国内网搜到的lame.a库不支持64位,所以现在不能用了。
还好已经有人做了这个事情,直接提供了最新编译脚本和编译好的framework库,地址是https://github.com/wuqiong/mp3lame-for-iOS
我直接用了上面编译的framework,没有自己去编译,直接把lame.framework拖到工程里。
然后需要用oc写个封装类,我不确定这个封装类能不能用swift写,毕竟里面用了很多c的语法,还是用oc桥接一层比较保险。oc封装类如下:
#import <Foundation/Foundation.h> #import "AudioWrapper.h" #import "lame/lame.h" @implementation AudioWrapper + (void)audioPCMtoMP3 :(NSString *)audioFileSavePath :(NSString *)mp3FilePath { @try { int read,write; FILE *pcm = fopen([audioFileSavePath cStringUsingEncoding:1],"rb"); //source 被转换的音频文件位置 fseek(pcm,4*1024,SEEK_CUR); //skip file header FILE *mp3 = fopen([mp3FilePath cStringUsingEncoding:1],"wb"); //output 输出生成的Mp3文件位置 const int PCM_SIZE = 8192; const int MP3_SIZE = 8192; short int pcm_buffer[PCM_SIZE*2]; unsigned char mp3_buffer[MP3_SIZE]; lame_t lame = lame_init(); lame_set_in_samplerate(lame,11025.0); lame_set_VBR(lame,vbr_default); lame_init_params(lame); do { read = fread(pcm_buffer,2*sizeof(short int),PCM_SIZE,pcm); if (read == 0) write = lame_encode_flush(lame,mp3_buffer,MP3_SIZE); else write = lame_encode_buffer_interleaved(lame,pcm_buffer,read,MP3_SIZE); fwrite(mp3_buffer,write,1,mp3); } while (read != 0); lame_close(lame); fclose(mp3); fclose(pcm); } @catch (NSException *exception) { NSLog(@"%@",[exception description]); } @finally { NSLog(@"MP3 converted: %@",mp3FilePath); } } @end
然后在桥接文件XXX-Bridging-Header.h中加入
#import "AudioWrapper.h"
dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT,0)) { AudioWrapper.audioPCMtoMP3(path,pathMp3) }我觉得在主线程调用容易出问题,就新开了个线程调用,实测没有问题。