从微信中提取语音文件，并转换成文字的全自动化解决方案

还可以用这个静态库将silk转化成pcm，@hangcom 亲测可用。

根据刚才那篇博文，用博主的脚本就可以把pcm文件转换成wav文件，而他的解决方案正是ffmpeg：

file pcm wav, file adpcm wav (wav, wave)。pcm wav 文件、adpcm wav 文件（wav、wave）。2, sc)ss-s16(le-16。

播放此wav文件，听到的就是我在微信里发出的语音消息——

“定期整理用户昵称中含有的手机号、用户名、公司。”21.wav (267.3 KB)

从这里下载讯飞的官方iOS demo（注意勾选“语音听写”），在下载的工程中打开“MSCDemo -> MSCDemo -> business -> isr -> IATViewController.h”，其中的pcmFilePath即是音频文件的路径。

在IATViewController.m中的第42行，将pcmFilePath改为wav文件的地址，然后点击下图的“音频流识别”：

Simulator Screen Shot Mar 26, 2016, 7.06.24 PM.png375×667 23.3 KB

即可快速测试解析功能（注：讯飞iOS SDK仅支持pcm和wav格式的音频文件）：

Simulator Screen Shot Mar 26, 2016, 7.44.29 PM.png375×667 25.6 KB

对比上面的wav文件，可以看到解析的偏差很大。因为讯飞的中文语音识别技术已经是全球领先的了，所以不大可能会出现这么大的识别错误。问了下讯飞的技术人员，得知问题可能在这些方面：

Screen Shot 2016-03-26 at 7.51.11 PM.png851×480 48.2 KB

好了，继续研究，看看怎么处理。

经张总@NavilleZhang

和爱拍的CTO指点：

得知讯飞哥们提到的“单通道，16位，16000/8000”各指的是channels、bit rate/sample size和sample rate。它们在ffmpeg里对应的设置方式分别是-ac channels、-b:a bitrate、-ar rate。我们来试试看：

file pcm wav, file adpcm wav (wav, wave)。pcm wav 文件、adpcm wav 文件（wav、wave）。16-bit linear pcm（*.wav后缀）：等于 320 kbps。

识别效果如图：

Pasted image375×667 26.9 KB

识别得几乎没有问题了。

因为在上面的识别中，“昵称”被听成了“旅程”，还是有些不爽，于是我又擅自改变ffmpeg的参数，想看看能不能做到100%识别准确。ifly文件最后发现，按照如下的参数配置，识别率是最高的：

ffmpeg -f s16le -ar 12k -ac 2 -i /path/to/pcm -f wav -ar 16k -ac 1 /path/to/wav

但是，对于这个事实，我只知其然，不知其所以然，还请懂行的高手赐教

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/bofangqi/article-98357-1.html