最近為小程序增加語音識別轉文字的功能，坑路不斷，特此記錄。

微信開發者工具

開發者工具上的錄音文件與移動端格式不同，暫時只可在工具上進行播放調試，無法直接播放或者在客戶端上播放

debug的時候發現，工具上錄音的路徑是http://tmp/xxx.mp3，客戶端上錄音是wxfile://xxx.mp3。 忽悠呢，不是格式不同，是映射路徑不同。

其實做個兼容也不難，每次提示一行文字，很丑。

采樣率與編碼碼率限制

每種采樣率有對應的編碼碼率范圍有效值，設置不合法的采樣率或編碼碼率會導致錄音失敗。詳細看這個
https://developers.weixin.qq.com/miniprogram/dev/api/media/recorder/RecorderManager.start.html

一開始沒有留意，導致錄音不成功。

試過幾次后，采用這樣的配置，感覺錄音識別率和體積之間比較好平衡：

sampleRate: 16000, //采樣率numberOfChannels: 1, //錄音通道數encodeBitRate: 96000, //編碼碼率

單通道基本是必選的。因為asr只支持單通道。frameSize也是可以的，但是要考慮截斷對識別的影響。暫時沒有用上。

錄音優化

因為可能誤按，于是對小于500ms的錄音直接忽略。
另外，松開錄音按鍵后，再延遲一點時間才真正stop錄音。

錄音文件格式

微信錄音文件支持mp3和aac。這2種格式文件都比較小，aac文件體積更小。這對上傳來說是件好事情，速度更快。
但是對語音識別轉文字就不友好了。因為百度、阿里云ASR、訊飛的語音轉文字接口都不支持aac和mp3，通常要求是pcm或者wav格式。

如果微信錄音能提供wav格式，那么就不用服務器做格式轉換了，但是wav格式體積是mp3、aac的5到10倍，至少短期是沒戲了，這也是很多人吐槽的地方。

服務器轉換錄音文件格式

可以用java第三方庫轉換，也可以用Process調用ffmpeg轉換。要注意的是，根據識別API的要求來做轉換。比如阿里云asr的要求是：

支持音頻編碼格式：pcm(無壓縮的pcm文件或wav文件)、opus，16bit采樣位數的單聲道(mono)；
支持音頻采樣率：8000Hz、16000Hz；

java ProcessBuilder要使用數組傳參

轉換音視頻，習慣用ffmpeg。安裝完ffmpeg之后，用java新建進程調用。

Process = new ProcessBuilder("ffmpeg -i in.mp3 out.wav").start();

一直提示CreateProcess error。 后來看文檔才發現，要以數組的形式傳入參數。

Process = new ProcessBuilder("ffmpeg", "-y", "-i", "in.mp3", "out.wav").start();

這樣就啟動成功了。

關于java啟動進程，不是本文重點，以后再寫篇文章總結。

阿里云asr sdk使用問題

這個問題困擾了一天時間，回想起來真是吐血。
問題表現是微信錄制的語音很多都識別不了。
最初是直接把錄音mp3文件轉換為pcm文件，本地能播放，但是用阿里云asr sdk卻識別不了。 一開始以為是文件編碼問題。特意查了asr支持的文件格式，用ffprobe檢查，potplayer看屬性，都沒有看出問題。
甚至把啟動ffmpeg進程轉換也改了，用了java的庫去做，還是不行。
后來為了方便測試問題，用asr的restful接口測試錄音文件，都能識別！ 似乎是sdk的問題。于是打開官方文檔例子對比。發現用的是sdk 2.x，老鐵啊你復制粘貼過來的代碼竟然少了！欲哭無淚。

// TODO 重要提示：這里是用讀取本地文件的形式模擬實時獲取語音流并發送的，因為read很快，所以這里需要sleep// TODO 如果是真正的實時獲取語音，則無需sleep, 如果是8k采樣率語音，第二個參數改為8000int deltaSleep = getSleepDelta(len, sampleRate);Thread.sleep(deltaSleep);

也少了對sampleRate的設置。

阿里云asr token過期

因為用的是免費版asr，沒有給福報廠充值，因此token一天失效，導致聯調的時候突然報錯。
最后實在受不了，寫了個定時任務每小時更新token。
這，就是beggar VIP