最近為小程序增加語音識別轉文字的功能，坑路不斷，特此記錄。

微信開發者工具

開發者工具上的錄音文件與移動端格式不同，暫時只可在工具上進行播放調試，無法直接播放或者在客戶端上播放

debug的時候發現，工具上錄音的路徑是http://tmp/xxx.mp3，客戶端上錄音是wxfile://xxx.mp3。 忽悠呢，不是格式不同，是映射路徑不同。

其實做個兼容也不難，每次提示一行文字，很丑。

采樣率與編碼碼率限制

每種采樣率有對應的編碼碼率范圍有效值，設置不合法的采樣率或編碼碼率會導致錄音失敗。詳細看這個
https://developers.weixin.qq.com/miniprogram/dev/api/media/recorder/RecorderManager.start.html

一開始沒有留意，導致錄音不成功。

試過幾次后，采用這樣的配置，感覺錄音識別率和體積之間比較好平衡：

sampleRate: 16000, //采樣率numberOfChannels: 1, //錄音通道數encodeBitRate: 96000, //編碼碼率

單通道基本是必選的。因為asr只支持單通道。frameSize也是可以的，但是要考慮截斷對識別的影響。暫時沒有用上。

錄音優化

因為可能誤按，于是對小于500ms的錄音直接忽略。
另外，松開錄音按鍵后，再延遲一點時間才真正stop錄音。

錄音文件格式

微信錄音文件支持mp3和aac。這2種格式文件都比較小，aac文件體積更小。這對上傳來說是件好事情，速度更快。
但是對語音識別轉文字就不友好了。因為百度、阿里云ASR、訊飛的語音轉文字接口都不支持aac和mp3，通常要求是pcm或者wav格式。

如果微信錄音能提供wav格式，那么就不用服務器做格式轉換了，但是wav格式體積是mp3、aac的5到10倍，至少短期是沒戲了，這也是很多人吐槽的地方。

服務器轉換錄音文件格式

可以用java第三方庫轉換，也可以用Process調用ffmpeg轉換。要注意的是，根據識別API的要求來做轉換。比如阿里云asr的要求是：

支持音頻編碼格式：pcm(無壓縮的pcm文件或wav文件)、opus，16bit采樣位數的單聲道(mono)；
支持音頻采樣率：8000Hz、16000Hz；

java ProcessBuilder要使用數組傳參

轉換音視頻，習慣用ffmpeg。安裝完ffmpeg之后，用java新建進程調用。

Process = new ProcessBuilder("ffmpeg -i in.mp3 out.wav").start();

一直提示CreateProcess error。 后來看文檔才發現，要以數組的形式傳入參數。

Process = new ProcessBuilder("ffmpeg", "-y", "-i", "in.mp3", "out.wav").start();

這樣就啟動成功了。

關于java啟動進程，不是本文重點，以后再寫篇文章總結。

阿里云asr sdk使用問題