学习
实践
活动
专区
工具
TVP
写文章

小程序实现语音别转文字——“坑路”历程

“ 最近为小程序增加语音别转文字的功能,坑路不断,特此记录。 ” 微信开发者工具 开发者工具上的录音文件与移动端格式不同,暂时只可在工具上进行播放调试,无法直接播放或者在客户端上播放。 但是对语音别转文字就不友好了。因为百度、阿里云ASR、讯飞的语音转文字接口都不支持aac和mp3,通常要求是pcm或者wav格式。 问题表现是微信录制的语音很多都识别不了。 最初是直接把录音mp3文件转换为pcm文件,本地能播放,但是用阿里云asr sdk却识别不了。一开始以为是文件编码问题。 // TODO 重要提示:这里是用读取本地文件的形式模拟实时获取语音流并发送的,因为read很快,所以这里需要sleep// TODO 如果是真正的实时获取语音,则无需sleep, 如果是8k采样率语音

1.4K20
  • 广告
    关闭

    语音识别特惠,低至1元!!

    为企业提供极具性价比的语音识别服务。被微信、王者荣耀、腾讯视频等大量内部业务使用,外部落地录音质检、会议实时转写、语音输入法等多个场景。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    基于PaddlePaddle实现的DeepSpeech2端到端中文语音模型

    语音文件需要放在PaddlePaddle-DeepSpeech/dataset/audio/目录下,例如我们有个wav的文件夹,里面都是语音文件,我们就把这个文件存放在PaddlePaddle-DeepSpeech 每一行数据包含该语音文件的相对路径和该语音文件对应的中文文本,要注意的是该中文文本只能包含纯中文,不能包含标点符号、阿拉伯数字以及英文字母。 通过参数--is_long_audio可以指定使用长语音识别方式,这种方式通过VAD分割音频,再对短音频进行识别,拼接结果,最终得到长语音识别结果。 python infer_server.py 打开页面如下: GUI界面部署 通过打开页面,在页面上选择长语音或者短语音进行识别,也支持录音识别,同时播放识别的音频。 :PPASR 基于Pytorch实现的语音识别:MASR

    57510

    AI听曲歌!哼曲、口哨吹,都能秒! ⛵

    以『听曲歌』为例,技术流程为具对已知歌曲抽取特征并构建特征向量库,而对于待检索的歌曲音频,同样做特征抽取后进行比对和快速匹配。 大家都对 QQ 音乐、网易云音乐等 App 中的『听曲歌』『哼唱识别』功能并不陌生,但是它是怎么样快速从海量歌曲库中找到匹配的这一首的呢? 图片今天 ShowMeAI 就来和大家聊一聊音频检索的技术,实际上音频检索技术有非常广泛的应用场景,除了歌辨曲,基于实时检索、审查和监控还可以很有效地保护版权。 实际上,非结构化的数据,基于深度学习等模型进行特征表征后,都可以借助 Milvus 搭建检索系统,它的整体工作流程如下:图片典型的步骤为以下3步:① 基于深度学习模型,将非结构化数据(图像、视频、语音

    1.2K64

    关注

    腾讯云开发者公众号
    10元无门槛代金券
    洞察腾讯核心技术
    剖析业界实践案例
    腾讯云开发者公众号二维码

    相关产品

    • 语音识别

      语音识别

      腾讯云语音识别(ASR) 为开发者提供语音转文字服务的最佳体验。语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同类型开发者需求……

    相关资讯

    热门标签

    活动推荐

    扫码关注腾讯云开发者

    领取腾讯云代金券