# VoiceDictation

**Repository Path**: rmrb1111/VoiceDictation

## Basic Information

- **Project Name**: VoiceDictation
- **Description**: 听写服务，流式的，速度很快
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-12-25
- **Last Updated**: 2023-12-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 迅飞 -WebAPI 版 语音听写

### 功能简介：

- 把语音(≤60秒)转换成对应的文字信息，让机器能够“听懂”人类语言，相当于给机器安装上“耳朵”，使其具备“能听”的功能。
- 语音听写流式接口，用于1分钟内的即时语音转文字技术，支持实时返回识别结果，达到一边上传音频一边获得识别文本的效果。
- 该语音能力是通过Websocket API的方式给开发者提供一个通用的接口。
- Websocket API具备流式传输能力，适用于需要流式数据传输的AI服务场景，比如边说话边识别。
- 相较于SDK，WebAPI具有轻量、跨语言的特点；相较于HTTP API，Websocket API协议有原生支持跨域的优势。
- 语音听写流式WebAPI 服务，热词使用方式：<a target="_blank" href="https://www.xfyun.cn" >登陆迅飞开放平台</a>后，找到控制台--我的应用---语音听写---个性化热词，上传热词。



### 运行过程：

1. websocket连接：判断浏览器是否兼容，获取websocket url并连接，这里为了方便本地生成websocket url。

2. 获取浏览器录音权限：判断浏览器是否兼容，获取浏览器录音权限。

3. 通过js获取浏览器录音数据。

4. 将录音数据处理为文档要求的数据格式：采样率16k或8K、位长16bit、单声道；该操作属于纯数据处理，使用webWork处理。

5. 根据要求（采用base64编码，每次发送音频间隔40ms，每次发送音频字节数1280B）将处理后的数据通过websocket传给服务器。

6. 实时接收websocket返回的数据并进行处理。

   

### 使用说明：

- #### <a target="_blank" href="http://www.muguilin.com/blog/info/609bafc50d572b3fd79b058f" >http://www.muguilin.com/blog/info/609bafc50d572b3fd79b058f</a>



### 实例效果：

- #### [https://muguilin.github.io/VoiceDictation](https://muguilin.github.io/VoiceDictation)



![image](https://raw.githubusercontent.com/MuGuiLin/VoiceDictation/master/img/test.png)
![image](https://raw.githubusercontent.com/MuGuiLin/VoiceDictation/master/img/test.gif)