IOS微软语音转文本,lame压缩音频

在IOS开发中,用微软进行语音转文本操作,并将录音文件压缩后返回

项目中遇到了利用微软SDK进行实时录音转文本操作,如果操作失败,那么就利用原始音频文件通过网络请求操作,最终这份文件上传到阿里云保存,考虑到传输速率,对文件压缩成mp3再上传

遇到的难点

  • 微软的示例中只能转文本,微软并不保存这份音频文件,需要自己实现从录音到推流,到获取结果
  • 项目是uniapp项目,非原生工程项目,录音管理器需要激活后才能使用
  • 关于压缩代码,采用Lame库压缩,网上大部分都是通过文件提取压缩再保存,直接录制音频压缩较少,记录下来以便后续使用

流程图

请添加图片描述

实现步骤

录音的实现

// 每个缓冲区的大小
#define kBufferSize 2048
// 缓冲区数量
#define kNumberBuffers 3// 定义结构体,里面保存录音队列ID,录音格式
typedef struct {AudioStreamBasicDescription dataFormat;AudioQueueRef               queue;AudioQueueBufferRef         buffers[kNumberBuffers];UInt32                      bufferByteSize;__unsafe_unretained id      selfRef;
} AQRecorderState;AQRecorderState recorderState = {0};- (instancetype)init {self = [super init];if (self) {// 设置音频格式recorderState.dataFormat.mFormatID = kAudioFormatLinearPCM;recorderState.dataFormat.mSampleRate = 16000.0;recorderState.dataFormat.mChannelsPerFrame = 1;recorderState.dataFormat.mBitsPerChannel = 16;recorderState.dataFormat.mBytesPerPacket = recorderState.dataFormat.mBytesPerFrame = recorderState.dataFormat.mChannelsPerFrame * sizeof(SInt16);recorderState.dataFormat.mFramesPerPacket = 1;recorderState.dataFormat.mFormatFlags = kLinearPCMFormatFlagIsSignedInteger | kLinearPCMFormatFlagIsPacked;}return self;
}- (void)configureAudioSession {AVAudioSession *session = [AVAudioSession sharedInstance];NSError *error = nil;// 设置音频会话类别和模式[session setCategory:AVAudioSessionCategoryPlayAndRecord  error:&error];if (error) {NSLog(@"Error setting category: %@", error.localizedDescription);}// 激活音频会话[session setActive:YES error:&error];if (error) {NSLog(@"Error activating session: %@", error.localizedDescription);}
}
// 开始录音
- (void)startRecording{// 激活录音文件[self configureAudioSession];// 创建录音队列AudioQueueNewInput(&recorderState.dataFormat, HandleInputBuffer, &recorderState, NULL, kCFRunLoopCommonModes, 0, &recorderState.queue);// 设置录音增益AudioQueueSetParameter(recorderState.queue, kAudioQueueParam_Volume, 1.0);// 计算缓冲区大小DeriveBufferSize(recorderState.queue, &recorderState.dataFormat, 0.5, &recorderState.bufferByteSize);// 分配和分配缓冲区for (int i = 0; i < kNumberBuffers; i++) {AudioQueueAllocateBuffer(recorderState.queue, recorderState.bufferByteSize, &recorderState.buffers[i]);AudioQueueEnqueueBuffer(recorderState.queue, recorderState.buffers[i], 0, NULL);}OSStatus status = AudioQueueStart(recorderState.queue, NULL);if (status != noErr) {NSLog(@"AudioQueueNewInput failed with error: %d", (int)status);}
}
// 结束录音
- (void)stopRecording{// 停止录音AudioQueueStop(recorderState.queue, true);AudioQueueDispose(recorderState.queue, true);
};
// 计算缓冲区大小
void DeriveBufferSize(AudioQueueRef audioQueue, AudioStreamBasicDescription *ASBDesc, Float64 seconds, UInt32 *outBufferSize) {static const int maxBufferSize = 0x50000; // 限制缓冲区的最大值int maxPacketSize = ASBDesc->mBytesPerPacket;if (maxPacketSize == 0) {UInt32 maxVBRPacketSize = sizeof(maxPacketSize);AudioQueueGetProperty(audioQueue, kAudioQueueProperty_MaximumOutputPacketSize, &maxPacketSize, &maxVBRPacketSize);}Float64 numBytesForTime = ASBDesc->mSampleRate * maxPacketSize * seconds;*outBufferSize = (UInt32)(numBytesForTime < maxBufferSize ? numBytesForTime : maxBufferSize);
}
// 数据处理回调函数 这个里面有个录音回掉的PCM数据
void HandleInputBuffer(void *aqData, AudioQueueRef inAQ, AudioQueueBufferRef inBuffer, const AudioTimeStamp *inStartTime, UInt32 inNumPackets, const AudioStreamPacketDescription *inPacketDesc) {AQRecorderState *pAqData = (AQRecorderState *)aqData;// 如果有数据,就处理if (inNumPackets > 0) {// 创建NSData对象NSData *audioData = [NSData dataWithBytes:inBuffer->mAudioData length:inBuffer->mAudioDataByteSize];// 打印NSData对象内容NSLog(@"Audio Data: %@", audioData);// 这儿将进行保存文件// 编码文件// 推送数据到微软SDK}// 将缓冲区重新加入到队列中AudioQueueEnqueueBuffer(pAqData->queue, inBuffer, 0, NULL);
}

微软SDK初始化和推流

这个大部分和微软示例差不多,需要注意的是获取微软示例时候传入的是自定义的录音设置,并将自定义录音设置保存起来,在录音回掉中将数据推入流中

- (void)setUpKey:(NSString *)token service:(NSString *)service lang:(NSString *) lang { // 这里将通过token和区域初始化配置类,微软还有其他获取配置类的方法,其他方法示例化也可以SPXSpeechConfiguration *speechConfig = nil;speechConfig = [[SPXSpeechConfiguration alloc] initWithAuthorizationToken:token region:service];// 这个是通过token实例化配置类的方式
//    speechConfig = [[SPXSpeechConfiguration alloc] initWithSubscription:token region:service];// 设置语言 en-US格式[speechConfig setSpeechRecognitionLanguage:lang];// 设置微软接收到的数据的格式 16000HZ 16位深 单通道SPXAudioStreamFormat *audioFormat = [[SPXAudioStreamFormat alloc] initUsingPCMWithSampleRate: 16000 bitsPerSample:16 channels:1];// 获取推流的类,并保存起来,后面就通过它推送数据到SDKself.audioInputStream = [[SPXPushAudioInputStream alloc] initWithAudioFormat:audioFormat];// 获取录音配置SPXAudioConfiguration* audioConfig = [[SPXAudioConfiguration alloc] initWithStreamInput:self.audioInputStream];// 通过配置类和录音类信息获取微软识别器self.recognizer = [[SPXSpeechRecognizer alloc] initWithSpeechConfiguration:speechConfig audioConfiguration:audioConfig];// 定义已识别事件的处理函数[self.recognizer addRecognizedEventHandler:^(SPXSpeechRecognizer *recognizer, SPXSpeechRecognitionEventArgs *eventArgs) {NSString *recognizedText = eventArgs.result.text;NSLog(@"Final recognized text: %@", recognizedText);// 在这里处理最终识别结果[self.speechToTextResult appendFormat:recognizedText];}];// 定义识别中事件的处理函数[self.recognizer addRecognizingEventHandler:^(SPXSpeechRecognizer *recognizer, SPXSpeechRecognitionEventArgs *eventArgs) {NSString *intermediateText = eventArgs.result.text;NSLog(@"Intermediate recognized text: %@", intermediateText);// 在这里处理中间识别结果}];// 定义取消事件的处理函数[self.recognizer addCanceledEventHandler:^(SPXSpeechRecognizer *recognizer, SPXSpeechRecognitionCanceledEventArgs *eventArgs) {NSLog(@"Recognition canceled. Reason: %ld", (long)eventArgs.reason);if (eventArgs.errorDetails != nil) {NSLog(@"Error details: %@", eventArgs.errorDetails);}}];}
- (void)startRecording{ [self.recognizer startContinuousRecognition];
}
- (void)stopRecording{ [self.recognizer stopContinuousRecognition];
}
// 
// 数据处理回调函数
void HandleInputBuffer(void *aqData, AudioQueueRef inAQ, AudioQueueBufferRef inBuffer, const AudioTimeStamp *inStartTime, UInt32 inNumPackets, const AudioStreamPacketDescription *inPacketDesc) {// 在回掉函数中,将数据传递给微软,上面的回掉函数中就能拿到数据了[self.audioInputStream write:audioData];
}

保存文件

  • 保存文件相对简单,录音开始清除上一次的音频文件,创建新的音频文件
  • WAV文件需要添加头文件,才能正常播放

#import "SaveAudioFile.h"#define isValidString(string)               (string && [string isEqualToString:@""] == NO)
// WAV 文件头结构
typedef struct {char riff[4];UInt32 fileSize;char wave[4];char fmt[4];UInt32 fmtSize;UInt16 formatTag;UInt16 channels;UInt32 samplesPerSec;UInt32 avgBytesPerSec;UInt16 blockAlign;UInt16 bitsPerSample;char data[4];UInt32 dataSize;
} WAVHeader;@implementation SaveAudioFile
/*** 清理文件*/
- (void)cleanFile {if (isValidString(self.mp3Path)) {NSFileManager *fileManager = [NSFileManager defaultManager];BOOL isDir = FALSE;BOOL isDirExist = [fileManager fileExistsAtPath:self.mp3Path isDirectory:&isDir];if (isDirExist) {[fileManager removeItemAtPath:self.mp3Path error:nil];NSLog(@"  xxx.mp3  file   already delete");}}if (isValidString(self.wavPath)) {NSFileManager *fileManager = [NSFileManager defaultManager];BOOL isDir = FALSE;BOOL isDirExist = [fileManager fileExistsAtPath:self.wavPath isDirectory:&isDir];if (isDirExist) {[fileManager removeItemAtPath:self.wavPath error:nil];NSLog(@"  xxx.caf  file   already delete");}}
}
/***  取得录音文件保存路径**  @return 录音文件路径*/
-(NSURL *)getSavePath{//  在Documents目录下创建一个名为FileData的文件夹NSString *path = [[NSSearchPathForDirectoriesInDomains(NSDocumentDirectory, NSUserDomainMask, YES)lastObject] stringByAppendingPathComponent:@"AudioData"];NSLog(@"%@",path);NSFileManager *fileManager = [NSFileManager defaultManager];BOOL isDir = FALSE;BOOL isDirExist = [fileManager fileExistsAtPath:path isDirectory:&isDir];if(!(isDirExist && isDir)){BOOL bCreateDir = [fileManager createDirectoryAtPath:path withIntermediateDirectories:YES attributes:nil error:nil];if(!bCreateDir){NSLog(@"创建文件夹失败!");}NSLog(@"创建文件夹成功,文件路径%@",path);}NSString *fileName = @"record";NSString *wavFileName = [NSString stringWithFormat:@"%@.wav", fileName];NSString *mp3FileName = [NSString stringWithFormat:@"%@.mp3", fileName];NSString *wavPath = [path stringByAppendingPathComponent:wavFileName];NSString *mp3Path = [path stringByAppendingPathComponent:mp3FileName];self.wavPath = wavPath;self.mp3Path = mp3Path;NSLog(@"file path:%@",mp3Path);NSURL *url=[NSURL fileURLWithPath:mp3Path];return url;
}-(void) startWritingHeaders {[self cleanFile];[self getSavePath];// 写入 WAV 头部WAVHeader header;memcpy(header.riff, "RIFF", 4);header.fileSize = 0;  // 将在录音结束时填充memcpy(header.wave, "WAVE", 4);memcpy(header.fmt, "fmt ", 4);header.fmtSize = 16;header.formatTag = 1;  // PCMheader.channels = 1;header.samplesPerSec = 16000;header.avgBytesPerSec = 16000 * 2;header.blockAlign = 2;header.bitsPerSample = 16;memcpy(header.data, "data", 4);header.dataSize = 0;  // 将在录音结束时填充// 创建 WAV 文件API[[NSFileManager defaultManager] createFileAtPath:self.wavPath contents:nil attributes:nil];self.audioFileHandle = [NSFileHandle fileHandleForWritingAtPath:self.wavPath];[self.audioFileHandle writeData:[NSData dataWithBytes:&header length:sizeof(header)]];// 创建 mp3 文件API[[NSFileManager defaultManager] createFileAtPath:self.mp3Path contents:nil attributes:nil];self.audioFileHandle2 = [NSFileHandle fileHandleForWritingAtPath:self.mp3Path];
}
- (void) saveAudioFile: (NSData *) data type:(NSString *) type{if([type isEqualToString:@"wav"]){// 写入音频数据到 WAV 文件[self.audioFileHandle writeData:data];}else{// 拿到编码过后的数据,保存到本地[self.audioFileHandle2 writeData:data];}
}
@end

利用Lame库编码PCM数据

  • 下载Lame库并导入项目中操作,参考网上文章https://www.cnblogs.com/XYQ-208910/p/7650759.html
  • lame库的使用主要分成3部分
    • 初始化Lame 并设置比特率,位深,通道数,压缩程度
    • 传入原始的音频数据,得到编码过后的mp3音频数据
    • 结束时刷新lame中还剩的数据,关闭Lame
//
//  LameEncoderMp3.m
//  SpeechUntil
//
//  Created by 肖鹏程 on 2024/7/25.
//#import "LameEncoderMp3.h"@implementation LameEncoderMp3- (void) settingFormat:(int)sampleRate channels:(int)channels{// 初始化lame编码器 设置格式self.lame = lame_init();lame_set_in_samplerate(self.lame, sampleRate);lame_set_num_channels(self.lame, channels);lame_set_brate(self.lame, 16); // 比特率128 kbpslame_set_mode(self.lame, channels == 1 ? MONO : STEREO);lame_set_quality(self.lame, 7); // 0 = 最高质量(最慢),9 = 最低质量(最快)lame_init_params(self.lame);self.channels = channels;};
- (NSData *)encodePCMToMP3:(NSData *)pcmData{// PCM数据的指针和长度const short *pcmBuffer = (const short *)[pcmData bytes];int pcmLength = (int)[pcmData length] / sizeof(short);NSLog(@"pcmLength %lu", [pcmData length]);// 分配MP3缓冲区int mp3BufferSize = (int)(1.25 * pcmLength) + 7200;unsigned char *mp3Buffer = (unsigned char *)malloc(mp3BufferSize);// 确保mp3Buffer分配成功if (mp3Buffer == NULL) {NSLog(@"Failed to allocate memory for MP3 buffer");return nil;}// PCM编码为MP3// 注意这个是单通道的方法,如果是双通道调用这个lame_encode_buffer_interleaved(//   lame,//   recordingData,//   numSamples / 2,  // 双声道//   mp3Buffer,//   mp3BufferSize);int mp3Length = lame_encode_buffer(self.lame, (short *)pcmBuffer, (short *)pcmBuffer,pcmLength, mp3Buffer, mp3BufferSize);if (mp3Length < 0) {NSLog(@"LAME encoding error: %d", mp3Length);free(mp3Buffer);return nil;}// 创建MP3数据NSData *mp3Data = [NSData dataWithBytes:mp3Buffer length:mp3Length];NSLog(@"mp3Length %lu", [mp3Data length]);// 清理free(mp3Buffer);return mp3Data;
}- (NSData *) closeLame{// 刷新LAME缓冲区unsigned char mp3Buffer[7200];int flushLength = lame_encode_flush(self.lame, mp3Buffer, sizeof(mp3Buffer));NSData *flushData;if (flushLength > 0) {// 将刷新后的数据追加到已有的MP3数据flushData = [NSData dataWithBytes:mp3Buffer length:flushLength];} else if (flushLength < 0) {NSLog(@"LAME flushing error: %d", flushLength);}// 关闭lame_close(self.lame);return flushData;
}@end

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/383662.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Golang学习笔记20240725,Go语言基础语法

第一个Go程序 package mainimport "fmt"func main() {fmt.Println("hello world") }运行方式1&#xff1a; go run main.go运行方式2&#xff1a; go build .\hello_go.exe运行方式3&#xff1a;goland右键运行 字符串拼接 使用加号可以对字符串进行…

基于微信小程序的校园警务系统/校园安全管理系统/校园出入管理系统

摘要 伴随着社会以及科学技术的发展&#xff0c;小程序已经渗透在人们的身边&#xff0c;小程序慢慢的变成了人们的生活必不可少的一部分&#xff0c;紧接着网络飞速的发展&#xff0c;小程序这一名词已不陌生&#xff0c;越来越多的学校机构等都会定制一款属于自己个性化的小程…

UML通信图建模技术及应用例

新书速览|《UML 2.5基础、建模与设计实践》 在对系统的动态行为进行建模时&#xff0c;通信图常被用于按组织结构对控制流进行建模。与顺序图一样&#xff0c;一个单独的通信图只能显示一个控制流。 使用通信图建模时可以遵循如下策略&#xff1a; &#xff08;1&#xff09…

Centos 8 配置网络源

备份当前的软件源配置文件&#xff1a; sudo cp -a /etc/yum.repos.d /etc/yum.repos.d.bak 清理原有的 yum 仓库配置信息&#xff1a; sudo rm -f /etc/yum.repos.d/*.repo 获取阿里云的 CentOS 8 源配置&#xff1a; sudo curl -o /etc/yum.repos.d/CentOS-Base.repo ht…

错误解决 error CS0117: ‘Buffer‘ does not contain a definition for ‘BlockCopy‘

Unity 2022.3.9f1 导入 Runtime OBJ Importer 后出现&#xff1a; error CS0117: ‘Buffer’ does not contain a definition for ‘BlockCopy’ 解决办法&#xff1a; 源代码&#xff1a; int DDS_HEADER_SIZE 128; byte[] dxtBytes new byte[ddsBytes.Length - DDS_HEAD…

【Vue实战教程】之Vue工程化项目详解

Vue工程化项目 随着多年的发展&#xff0c;前端越来越模块化、组件化、工程化&#xff0c;这是前端发展的大趋势。webpack是目前用于构建前端工程化项目的主流工具之一&#xff0c;也正变得越来越重要。本章节我们来详细讲解一下如何使用webpack搭建Vue工程化项目。 1 使用we…

Axure Web端元件库:从Quick UI到500+组件的飞跃

在快速变化的数字世界中&#xff0c;产品设计不仅仅是功能的堆砌&#xff0c;更是用户体验的精心雕琢。原型设计作为产品开发过程中的关键环节&#xff0c;其重要性不言而喻。Axure&#xff0c;作为业界领先的原型设计工具&#xff0c;凭借其强大的交互设计和丰富的功能&#x…

智慧工地视频汇聚管理平台:打造现代化工程管理的全新视界

一、方案背景 科技高速发展的今天&#xff0c;工地施工已发生翻天覆地的变化&#xff0c;传统工地管理模式很容易造成工地管理混乱、安全事故、数据延迟等问题&#xff0c;人力资源的不足也进一步加剧了监管不到位的局面&#xff0c;严重影响了施工进度质量和安全。 视频监控…

外行对自动驾驶汽车的一些想法-2024-

起源 前段时间有关于自动驾驶汽车的讨论&#xff0c;现在热度终于快过去了。 (⊙﹏⊙) 其实&#xff0c;完全不用担心自动驾驶取代人类。 引用 这是一篇24年4月的报道。 上图为引用&#xff0c;可以看到打工人的忙碌。 2023 一个热爱自动驾驶但妥妥外行之人的思考-2023-C…

mac怎样清理photoshop垃圾的方法 ps清理缓存和垃圾 苹果电脑暂存盘已满怎么清理

很多使用过ps&#xff0c;尤其是Adobe全家桶的小伙伴会发现&#xff0c;这些软件占用缓存很多&#xff0c;而且随着使用时间的增长&#xff0c;缓存也会越多&#xff0c;并不会自动清理。那么mac系统怎么清理ps暂存盘呢&#xff1f;mac又该怎么最高效清理磁盘空间呢&#xff1f…

芯片的计算能力由什么决定

芯片的计算能力由什么决定 芯片的计算能力由多个因素决定。 包括但不限于&#xff1a; 架构设计&#xff1a; 芯片的架构设计决定了其计算单元的数量和类型&#xff0c;以及它们之间的连接方式和通信方式。不同的架构可以提供不同的计算能力和性能。处理器速度&#xff1a; 处…

快速安装torch-gpu和Tensorflow-gpu(自用,Ubuntu)

要更详细的教程可以参考Tensorflow PyTorch 安装&#xff08;CPU GPU 版本&#xff09;&#xff0c;这里是有基础之后的快速安装。 一、Pytorch 安装 conda create -n torch_env python3.10.13 conda activate torch_env conda install cudatoolkit11.8 -c nvidia pip ins…

LeetCode_122(买卖股票的最佳时机)

public int maxProfit(int[] prices) {int ans 0;//int prices[] {7,1,5,3,6,4};for(int i1;i<prices.length;i){ansMath.max(0,prices[i]-prices[i-1]);}return ans;}

DevExpress WinForms自动表单布局,创建高度可定制用户体验(二)

使用DevExpress WinForms的表单布局组件可以创建高度可定制的应用程序用户体验&#xff0c;从自动安排UI控件到按比例调整大小&#xff0c;DevExpress布局和数据布局控件都可以让您消除与基于像素表单设计相关的麻烦。 P.S&#xff1a;DevExpress WinForms拥有180组件和UI库&a…

openmv学习笔记(24电赛笔记)

感光元件 openmv采用小孔摄像模式&#xff0c;将图像映射到感光原件上面&#xff0c;来传递图片&#xff0c;通过图片快速的刷新行成视频&#xff0c;在IDE中通过对感光原件的编辑可以控制视频的效果。 重置感光元件到默认状态 import sensor #导入感光元件这个库sensor.res…

IPD推行成功的核心要素(十五)项目管理提升IPD相关项目交付效率和用户体验

研发项目往往包含很多复杂的流程和具体的细节。因此&#xff0c;一套完整且标准的研发项目管理制度和流程对项目的推进至关重要。研发项目管理是成功推动创新和技术发展的关键因素。然而在实际管理中&#xff0c;研发项目管理常常面临着需求不确定、技术风险、人员素质、成本和…

如何在 Windows 上安装并配置 VNC 远程连接树莓派,并结合Cpolar实现公网远程访问

目录 ⛳️推荐 前言 1. 使用 Raspberry Pi Imager 安装 Raspberry Pi OS 2. Windows安装VNC远程树莓派 3. 使用VNC Viewer公网远程访问树莓派 3.1 安装Cpolar步骤 3.2 配置固定的公网地址 3.3 VNC远程连接测试 4. 固定远程连接公网地址 4.1 固定TCP地址测试 ⛳️推荐…

Godot游戏制作 05收集物品

创建新场景&#xff0c;添加Area2D节点&#xff0c;AnimatedSprite2D节点 &#xff0c;CollisionShape2D节点 添加硬币 按F键居中&#xff0c;放大视图。设置动画速度设为10FPS&#xff0c;加载后自动播放&#xff0c;动画循环 碰撞形状设为圆形&#xff0c;修改Area2D节点为Co…

通信原理-思科实验三:无线局域网实验

实验三 无线局域网实验 一&#xff1a;无线局域网基础服务集 实验步骤&#xff1a; 进入物理工作区&#xff0c;导航选择 城市家园; 选择设备 AP0&#xff0c;并分别选择Laptop0、Laptop1放在APO范围外区域 修改笔记本的网卡&#xff0c;从以太网卡切换到无线网卡WPC300N 切…

pmp证书是个什么样的证书?

PMP&#xff08;项目管理专业人士资格认证&#xff09;由美国项目管理协会&#xff08;Project Management Institute&#xff09;发起&#xff0c;在全球200多个国家和地区得到高度认可&#xff0c;PMP是项目管理领域重要的认证之一&#xff0c;受到业内广泛认可。 如果您想成…