在uniapp中使用百度语音识别技术创建简易录音器

一、技术背景与需求分析

随着移动端语音交互场景的普及，录音与语音识别成为开发高频需求。uniapp作为跨平台开发框架，支持多端统一开发，而百度语音识别技术凭借高准确率、低延迟和丰富的API接口，成为开发者首选的语音处理方案。本文旨在通过uniapp实现一个简易录音器，集成百度语音识别服务，完成录音、上传、转文字的全流程功能。

需求拆解

1. 录音功能：支持用户通过麦克风录制音频，并实时显示录音状态。
2. 语音识别：将录音文件上传至百度语音识别API，获取文本结果。
3. 跨平台兼容：确保在iOS、Android及H5端一致运行。
4. 用户体验优化：包括录音时长限制、错误处理、结果展示等。

二、环境准备与配置

1. 百度语音识别API开通

• 登录百度智能云控制台，创建应用并开通“语音识别”服务。
• 获取API Key和Secret Key，用于后续鉴权。
• 确认服务类型：选择“实时语音识别”或“录音文件识别”，根据需求选择。

2. uniapp项目初始化

• 使用HBuilderX创建uniapp项目，选择“默认模板”或“uni-ui模板”。
• 安装必要插件：

  npm install @dcloudio/uni-ui --save

• 配置manifest.json，确保麦克风权限已开启：

  "app-plus": {
    "permissions": ["microphone"]
  }

3. 百度语音SDK集成

百度提供RESTful API，无需直接集成SDK，但需通过HTTP请求调用服务。推荐使用uni.request或封装为Promise模块。

三、核心功能实现

1. 录音模块

录音API调用

uniapp通过plus.audio.getRecorder实现跨平台录音：

let recorder = null;
function startRecording() {
  recorder = plus.audio.getRecorder({
    format: 'wav', // 或'mp3'，需平台支持
    samplerate: 16000 // 采样率，百度API推荐16k
  });
  recorder.record({
    filename: '_doc/audio/temp.wav' // 临时文件路径
  }, () => {
    console.log('录音开始');
  }, (error) => {
    console.error('录音失败:', error);
  });
}
function stopRecording() {
  if (recorder) {
    recorder.stop();
    recorder.close();
    recorder = null;
    console.log('录音结束');
  }
}

注意事项

• 文件格式：百度语音识别支持wav、mp3、amr等，推荐wav以避免转码损失。
• 采样率：需与API要求一致（如16kHz），否则需额外处理。
• 存储路径：使用_doc/目录确保权限，避免路径错误。

2. 语音识别模块

鉴权与请求封装

百度API需通过Access Token鉴权，需先获取Token：

async function getAccessToken(apiKey, secretKey) {
  const url = `https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=${apiKey}&client_secret=${secretKey}`;
  const res = await uni.request({ url });
  return res.data.access_token;
}

录音文件上传与识别

使用uni.uploadFile上传文件，并调用识别API：

async function recognizeAudio(filePath, token) {
  // 上传文件至服务器（或直接使用本地文件，需处理）
  const uploadRes = await uni.uploadFile({
    url: 'https://your-server.com/upload', // 需自行搭建上传服务，或使用base64
    filePath: filePath,
    name: 'file'
  });
  // 假设已获取服务器返回的URL
  const fileUrl = uploadRes.tempFilePath; 
  // 调用百度语音识别API
  const recognizeUrl = `https://vop.baidu.com/server_api?token=${token}&cuid=YOUR_DEVICE_ID&format=wav&rate=16000`;
  const res = await uni.request({
    url: recognizeUrl,
    method: 'POST',
    header: { 'Content-Type': 'application/json' },
    data: {
      speech: fileUrl, // 实际需处理为二进制或base64
      len: fs.statSync(filePath).size // 文件大小
    }
  });
  return res.data.result; // 返回识别文本
}

优化方案

• Base64编码：小文件可直接转为Base64上传，避免服务器中转：

  const base64 = await uni.getFileSystemManager().readFile(filePath, 'base64');

• 分片上传：长录音需分片处理，百度API支持流式识别。

3. 完整流程示例

// 页面逻辑
export default {
  data() {
    return {
      isRecording: false,
      recognitionResult: ''
    };
  },
  methods: {
    async startRecord() {
      this.isRecording = true;
      startRecording();
    },
    stopRecord() {
      stopRecording();
      this.isRecording = false;
      this.recognize();
    },
    async recognize() {
      const token = await getAccessToken('YOUR_API_KEY', 'YOUR_SECRET_KEY');
      const result = await recognizeAudio('_doc/audio/temp.wav', token);
      this.recognitionResult = result;
    }
  }
};

四、跨平台兼容性处理

1. iOS与Android差异

• 录音权限：iOS需在Info.plist中添加NSMicrophoneUsageDescription。
• 文件路径：使用plus.io.resolveLocalFileSystemURL确保路径解析一致。

2. H5端限制

• H5端无法直接调用原生录音，需通过WebRTC或第三方库（如RecorderJS）实现，但需用户授权。

五、性能优化与错误处理

1. 录音优化

• 采样率统一：强制设置为16kHz，避免API兼容问题。
• 文件大小限制：单次录音不超过5MB，长录音需分片。

2. 错误处理

• 网络异常：捕获uni.request错误，提示用户重试。
• API限流：百度API有QPS限制，需添加重试机制。

3. 用户体验

• 实时反馈：录音时显示波形图或时长倒计时。
• 结果缓存：本地存储历史识别结果，减少API调用。

六、总结与扩展

本文通过uniapp与百度语音识别API的集成，实现了一个跨平台的简易录音器。核心步骤包括录音API调用、百度鉴权、文件上传与语音识别。开发者可根据需求扩展以下功能：

1. 实时语音识别：使用WebSocket实现流式识别。
2. 多语言支持：配置百度API的dev_pid参数切换语言模型。
3. 离线识别：结合本地语音识别库（如Vosk）降低延迟。

通过合理设计，uniapp与百度语音识别技术的结合能够高效满足语音交互场景的需求，为开发者提供灵活、可靠的解决方案。