保存Android股票语音识别引擎的音频输入

2018-06-11 19:41:15

我正在尝试在文件中保存由android的语音识别服务所侦听的音频数据。

其实我实现RecognitionListener如下所述：在Android上的语音到文本

将数据保存到缓冲区中，如下所示：捕获发送到Google语音识别服务器的音频

并将缓冲区写入Wav文件，如下所示。 Android将原始字节记录到用于Http Streaming的WAVE文件中

我的问题是如何得到适当的音频设置保存在wav文件的标题。其实我在播放wav文件时只听到奇怪的噪音，用这个参数，

short nChannels=2;// audio channels
int sRate=44100;    // Sample rate
short bSamples = 16;// byteSample

或者与此无关：

short nChannels=1;// audio channels
int sRate=8000;    // Sample rate
short bSamples = 16;// byteSample

令人困惑的是，从logcat中查看语音识别任务的参数，我首先找到将PLAYBACK采样率设置为44100HZ ：

    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK PCM format to S16_LE (Signed 16 bit Little Endian)
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Using 2 channels for PLAYBACK.
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK sample rate to 44100 HZ
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Buffer size: 2048
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Latency: 46439

然后aInfo.SampleRate = 8000，当它播放文件发送到谷歌服务器：

    12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::InitWavParser
12-20 14:41:36.152: DEBUG/(2364): File open Succes
12-20 14:41:36.152: DEBUG/(2364): File SEEK End Succes
...
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = RIFF?
12-20 14:41:36.152: DEBUG/(2364): Data Read = RIFF?
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = fmt 
...
12-20 14:41:36.152: DEBUG/(2364): PVWAVPARSER_OK
12-20 14:41:36.156: DEBUG/(2364): aInfo.AudioFormat = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumChannels = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.SampleRate = 8000
12-20 14:41:36.156: DEBUG/(2364): aInfo.ByteRate = 16000
12-20 14:41:36.156: DEBUG/(2364): aInfo.BlockAlign = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.BitsPerSample = 16
12-20 14:41:36.156: DEBUG/(2364): aInfo.BytesPerSample = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumSamples = 2258

那么，如何才能找到正确的参数将音频缓冲区保存在一个好的wav音频文件中？

你没有包含你的代码来实际写出PCM数据，所以很难诊断，但是如果你听到奇怪的噪声，那么当你写数据的时候，你看起来很可能是错误的endian，或者错误的数字通道。使采样率错误只会导致音频声音变慢或变快，但如果听起来完全乱码，则可能是在指定字节流的通道数或字节数时出错。

要知道确实，只需将您的字节直接传输到没有任何头文件（原始PCM数据）的文件。这样，您可以在编写文件头时排除任何错误。然后使用Audacity导入原始数据，试验不同的选项（比特深度，endian，频道），直到听到正确的音频文件（只有一个是正确的）。你可以从File-> Import-> Raw Data ...

一旦以这种方式确定了字节格式，您只需要担心是否正确设置标题。您可能想要参考此参考文件http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html获取文件格式。或者在编写音频文件，Java（读取，操作和编写WAV文件或FMJ）时查看现有Java解决方案的以下链接。虽然我猜这些可能无法在Android上使用。

如果您不得不推出自己的WAV / RIFF编写器，请记住Java的数据类型是大写字母，因此您写入文件的任何多字节基元都必须以反向字节顺序写入，以匹配RIFF的小字节顺序。

8000 ，小端， 16位PCM ，单声道做了诀窍

在最新版本的onBufferReceived中不起作用，您可以使用来自语音识别意图的录制/保存音频。

链接地址: http://www.djcxy.com/p/33863.html

上一篇: Saving audio input of Android Stock speech recognition engine

下一篇: Improve performance of musical note synthesis using AudioTrack