Vue2项目实战:用js-audio-recorder和阿里云WebSocket搞定网页录音转文字(附完整代码)

news2026/3/23 11:40:47
Vue2实战基于js-audio-recorder与阿里云WebSocket的语音转文字解决方案在当今的Web应用中语音交互功能正变得越来越普遍。无论是语音输入、实时字幕还是语音助手将语音转换为文字的需求日益增长。本文将带你从零开始在Vue2项目中实现一个完整的网页录音转文字功能使用js-audio-recorder处理录音并通过阿里云智能语音服务的WebSocket接口实现实时语音识别。1. 项目准备与环境配置在开始编码前我们需要准备好开发环境和必要的服务账号。这个项目主要依赖以下几个关键组件Vue2作为前端框架js-audio-recorder用于网页录音的JavaScript库阿里云智能语音交互服务提供语音转文字的核心能力首先创建一个新的Vue2项目如果已有项目可跳过此步vue create voice-to-text-demo cd voice-to-text-demo然后安装项目所需依赖npm install js-audio-recorder element-ui --save提示Element UI是可选的这里用它提供美观的UI组件。你也可以使用其他UI库或原生HTML元素。接下来需要在阿里云开通智能语音交互服务登录阿里云控制台搜索智能语音交互开通服务并创建项目获取AppKey和AccessKey用于生成Token2. 录音功能实现js-audio-recorder是一个轻量级的网页录音库支持多种音频格式和配置选项。我们先实现基本的录音功能。在Vue组件中引入并初始化录音器import Recorder from js-audio-recorder export default { data() { return { recorder: null, isRecording: false, audioBlob: null } }, methods: { initRecorder() { this.recorder new Recorder({ sampleBits: 16, // 采样位数 sampleRate: 16000, // 采样率阿里云推荐16kHz numChannels: 1 // 单声道 }) }, async startRecording() { try { await Recorder.getPermission() // 获取麦克风权限 this.recorder.start() this.isRecording true } catch (error) { console.error(录音权限获取失败:, error) } }, stopRecording() { this.recorder.stop() this.isRecording false this.audioBlob this.recorder.getPCMBlob() // 获取PCM格式音频数据 } }, mounted() { this.initRecorder() } }在模板中添加简单的控制界面template div el-button typeprimary clickstartRecording :disabledisRecording 开始录音 /el-button el-button clickstopRecording :disabled!isRecording 停止录音 /el-button /div /template注意阿里云语音识别服务要求音频为16位采样位数、16kHz采样率的单声道PCM格式。上述配置已符合这些要求。3. 阿里云WebSocket连接管理阿里云智能语音交互服务提供了WebSocket接口可以实现实时语音识别。我们需要建立并维护WebSocket连接处理各种状态和消息。首先创建一个工具类来管理WebSocket连接// utils/aliyunSpeech.js export default class AliyunSpeech { constructor(options) { this.token options.token this.appKey options.appKey this.onTextReceived options.onTextReceived this.onError options.onError this.ws null this.taskId this.generateUUID() } connect() { const wsUrl wss://nls-gateway.cn-shanghai.aliyuncs.com/ws/v1?token${this.token} this.ws new WebSocket(wsUrl) this.ws.onopen () this.handleOpen() this.ws.onmessage (e) this.handleMessage(e) this.ws.onerror (e) this.onError(e) this.ws.onclose (e) this.handleClose(e) } handleOpen() { const startMessage { header: { message_id: this.generateUUID(), task_id: this.taskId, namespace: SpeechTranscriber, name: StartTranscription, appkey: this.appKey }, payload: { format: PCM, sample_rate: 16000, enable_intermediate_result: true, enable_punctuation_prediction: true, enable_inverse_text_normalization: true } } this.sendMessage(startMessage) } handleMessage(e) { const data JSON.parse(e.data) const { name } data.header if (name TranscriptionResultChanged) { this.onTextReceived(data.payload.result) } else if (name SentenceEnd) { this.onTextReceived(data.payload.result \n) } } sendAudio(audioData) { if (this.ws this.ws.readyState WebSocket.OPEN) { this.ws.send(audioData) } } sendStopCommand() { const stopMessage { header: { message_id: this.generateUUID(), task_id: this.taskId, namespace: SpeechTranscriber, name: StopTranscription, appkey: this.appKey } } this.sendMessage(stopMessage) } sendMessage(message) { if (this.ws this.ws.readyState WebSocket.OPEN) { this.ws.send(JSON.stringify(message)) } } generateUUID() { return xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx.replace(/[xy]/g, function(c) { const r Math.random() * 16 | 0 const v c x ? r : (r 0x3 | 0x8) return v.toString(16) }) } close() { if (this.ws) { this.ws.close() } } }4. 音频数据处理与发送从麦克风获取的音频数据需要经过适当处理才能发送给阿里云服务。主要考虑以下几点数据分片大块音频数据需要分成小片发送格式转换确保数据格式符合服务要求时序控制合理控制发送间隔在Vue组件中集成音频发送逻辑export default { data() { return { speechClient: null, recognitionText: , isProcessing: false } }, methods: { initSpeechClient() { this.speechClient new AliyunSpeech({ token: your-aliyun-token, // 应从后端获取 appKey: your-app-key, onTextReceived: (text) { this.recognitionText text }, onError: (error) { console.error(语音识别错误:, error) } }) }, async sendAudioToRecognize() { if (!this.audioBlob) return this.isProcessing true this.recognitionText this.speechClient.connect() // 等待连接建立 await new Promise(resolve setTimeout(resolve, 500)) // 分片发送音频数据 const chunkSize 3200 // 阿里云推荐的分片大小 const blobReader new FileReader() blobReader.onload () { const audioArrayBuffer blobReader.result const audioData new Uint8Array(audioArrayBuffer) for (let i 0; i audioData.length; i chunkSize) { const chunk audioData.slice(i, i chunkSize) this.speechClient.sendAudio(chunk) } this.speechClient.sendStopCommand() this.isProcessing false } blobReader.readAsArrayBuffer(this.audioBlob) } }, mounted() { this.initRecorder() this.initSpeechClient() } }5. 完整实现与优化现在我们将所有部分整合起来并添加一些优化措施Token动态获取Token应该从后端获取避免在前端暴露敏感信息连接状态管理处理WebSocket的各种状态变化错误处理增强错误处理和用户反馈UI优化提供更好的用户体验完整组件代码template div classvoice-recognition-container el-card shadowhover div slotheader span语音转文字演示/span /div div classcontrol-panel el-button typeprimary clickstartRecording :disabledisRecording || isProcessing iconel-icon-microphone 开始录音 /el-button el-button clickstopRecording :disabled!isRecording iconel-icon-video-pause 停止录音 /el-button el-button clicksendAudioToRecognize :disabled!audioBlob || isProcessing iconel-icon-upload2 识别语音 /el-button /div div classstatus-info el-alert :titlestatusMessage :typestatusType :closablefalse show-icon / /div div classresult-container el-input typetextarea :rows8 placeholder识别结果将显示在这里... v-modelrecognitionText readonly / /div /el-card /div /template script import Recorder from js-audio-recorder import AliyunSpeech from /utils/aliyunSpeech export default { data() { return { recorder: null, isRecording: false, audioBlob: null, speechClient: null, recognitionText: , isProcessing: false, status: idle // idle, recording, processing, success, error } }, computed: { statusMessage() { const messages { idle: 准备就绪点击开始录音按钮开始, recording: 正在录音... 点击停止录音按钮结束, processing: 正在识别语音..., success: 识别完成, error: 发生错误请重试 } return messages[this.status] || }, statusType() { const types { idle: info, recording: warning, processing: info, success: success, error: error } return types[this.status] || info } }, methods: { initRecorder() { this.recorder new Recorder({ sampleBits: 16, sampleRate: 16000, numChannels: 1 }) }, async startRecording() { try { this.status recording this.recognitionText await Recorder.getPermission() this.recorder.start() this.isRecording true } catch (error) { console.error(录音权限获取失败:, error) this.status error this.$message.error(无法获取麦克风权限) } }, stopRecording() { this.recorder.stop() this.isRecording false this.audioBlob this.recorder.getPCMBlob() this.status idle }, initSpeechClient() { // 实际项目中应从后端API获取token和appKey this.getTokenAndAppKey().then(({ token, appKey }) { this.speechClient new AliyunSpeech({ token, appKey, onTextReceived: (text) { this.recognitionText text }, onError: (error) { console.error(语音识别错误:, error) this.status error this.isProcessing false this.$message.error(语音识别失败) } }) }) }, async getTokenAndAppKey() { // 这里应该是调用后端API获取token和appKey // 模拟API调用 return new Promise(resolve { setTimeout(() { resolve({ token: your-token-from-backend, appKey: your-app-key-from-backend }) }, 300) }) }, async sendAudioToRecognize() { if (!this.audioBlob) return this.status processing this.isProcessing true this.recognitionText try { this.speechClient.connect() // 等待连接建立 await new Promise((resolve, reject) { const checkInterval setInterval(() { if (this.speechClient.ws this.speechClient.ws.readyState WebSocket.OPEN) { clearInterval(checkInterval) resolve() } }, 100) setTimeout(() { clearInterval(checkInterval) reject(new Error(连接超时)) }, 3000) }) // 分片发送音频数据 const chunkSize 3200 await new Promise((resolve) { const blobReader new FileReader() blobReader.onload () { const audioArrayBuffer blobReader.result const audioData new Uint8Array(audioArrayBuffer) let index 0 const sendNextChunk () { if (index audioData.length) { this.speechClient.sendStopCommand() this.status success this.isProcessing false resolve() return } const chunk audioData.slice(index, index chunkSize) this.speechClient.sendAudio(chunk) index chunkSize // 控制发送速率 setTimeout(sendNextChunk, 30) } sendNextChunk() } blobReader.readAsArrayBuffer(this.audioBlob) }) } catch (error) { console.error(识别过程中出错:, error) this.status error this.isProcessing false this.$message.error(语音识别失败) } } }, mounted() { this.initRecorder() this.initSpeechClient() }, beforeDestroy() { if (this.speechClient) { this.speechClient.close() } } } /script style scoped .voice-recognition-container { max-width: 800px; margin: 0 auto; padding: 20px; } .control-panel { margin-bottom: 20px; } .control-panel button { margin-right: 10px; } .status-info { margin-bottom: 20px; } .result-container { margin-top: 20px; } /style6. 常见问题与解决方案在实际开发中你可能会遇到以下问题权限问题浏览器麦克风权限被拒绝解决方案在用户交互事件中请求权限如点击按钮并提供清晰的权限请求说明音频格式不匹配阿里云服务对音频格式有严格要求确保使用PCM格式、16kHz采样率、16位采样位数、单声道WebSocket连接不稳定网络问题可能导致连接中断实现重连机制监听onclose事件并尝试重新连接分片大小问题过大的分片可能导致识别延迟阿里云推荐分片大小为1600或3200字节Token过期阿里云Token通常有有效期限制实现Token刷新机制或在每次识别前获取新Token跨域问题本地开发时可能遇到跨域限制配置开发服务器代理或使用后端API中转WebSocket连接7. 性能优化与扩展为了使这个语音识别功能更加完善可以考虑以下优化和扩展方向实时语音识别修改录音逻辑边录音边发送数据实现真正的实时识别多语言支持利用阿里云服务支持的多语言识别能力语音唤醒添加关键词唤醒功能离线支持使用WebAssembly实现本地基础语音识别语音指令结合NLP处理识别结果实现语音控制功能音频可视化添加音频波形显示提升用户体验实时语音识别的实现思路// 修改录音开始方法 async startRealTimeRecording() { await Recorder.getPermission() this.speechClient.connect() // 边录音边处理 this.recorder.onprogress (params) { const chunk this.recorder.getNextData() if (chunk this.speechClient) { this.speechClient.sendAudio(chunk) } } this.recorder.start() this.isRecording true }在真实项目中这种语音识别功能可以应用于多种场景在线会议实时字幕、语音笔记、语音搜索、无障碍访问等。关键在于根据具体需求调整参数和优化用户体验。

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.coloradmin.cn/o/2440246.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…