最近折腾了swift的语音录制识别和转码，这块还是比较坑的，由于语音识别的准确度实测大概也就80%左右，所以还是需要上传录音文件啊。
首先是用讯飞语音SDK实现语音录制和识别（语音听写），第一个坑是讯飞SDK只录制了PCM格式的文件，这个文件是原始格式，默认比较大，另外播放器支持也不好，因此需要先把它转成mp3，本来考虑使用系统的AudioConverter转aac格式，不过aac好像不能在浏览器上播放。
转成mp3需要lame库支持，注意国内网搜到的lame.a库不支持64位，所以现在不能用了。
还好已经有人做了这个事情，直接提供了最新编译脚本和编译好的framework库，地址是https://github.com/wuqiong/mp3lame-for-iOS
我直接用了上面编译的framework，没有自己去编译，直接把lame.framework拖到工程里。
然后需要用oc写个封装类，我不确定这个封装类能不能用swift写，毕竟里面用了很多c的语法，还是用oc桥接一层比较保险。oc封装类如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
| #import <Foundation/Foundation.h>
#import "AudioWrapper.h"
#import "lame/lame.h"
@implementation AudioWrapper
+ (void)audioPCMtoMP3 :(NSString *)audioFileSavePath :(NSString *)mp3FilePath
{
@try {
int read, write;
FILE *pcm = fopen([audioFileSavePath cStringUsingEncoding:1], "rb");
fseek(pcm, 4*1024, SEEK_CUR);
FILE *mp3 = fopen([mp3FilePath cStringUsingEncoding:1], "wb");
const int PCM_SIZE = 8192;
const int MP3_SIZE = 8192;
short int pcm_buffer[PCM_SIZE*2];
unsigned char mp3_buffer[MP3_SIZE];
lame_t lame = lame_init();
lame_set_in_samplerate(lame, 11025.0);
lame_set_VBR(lame, vbr_default);
lame_init_params(lame);
do {
read = fread(pcm_buffer, 2*sizeof(short int), PCM_SIZE, pcm);
if (read == 0)
write = lame_encode_flush(lame, mp3_buffer, MP3_SIZE);
else
write = lame_encode_buffer_interleaved(lame, pcm_buffer, read, mp3_buffer, MP3_SIZE);
fwrite(mp3_buffer, write, 1, mp3);
} while (read != 0);
lame_close(lame);
fclose(mp3);
fclose(pcm);
}
@catch (NSException *exception) {
NSLog(@"%@",[exception description]);
}
@finally {
NSLog(@"MP3 converted: %@",mp3FilePath);
}
}
@end
|
然后在桥接文件XXX-Bridging-Header.h中加入
#import “AudioWrapper.h”
最后 swift文件的调用如下:
1
2
3
| dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0)) {
AudioWrapper.audioPCMtoMP3(path, pathMp3)
}
|
我觉得在主线程调用容易出问题，就新开了个线程调用，实测没有问题。
