前端|科大讯飞语音合成WebApi 语音识别|前端|nodejs|websocket

本来一开始是因为项目中需要用到听书功能，就想用科大讯飞的语音合成Web API，本来官方文档已经提供了一个完整demo，不过根据自己的需求还是弄了一天左右o(╥﹏╥)o
官方文档: https://www.xfyun.cn/doc/tts/online_tts/API.html

根据文档接口调用流程
使用WebSocket请求接口与返回

接口授权

function getAuthStr(date) { let signatureOrigin = `host: ${config.host}\ndate: ${date}\nGET ${config.uri} HTTP/1.1` let signatureSha = CryptoJS.HmacSHA256(signatureOrigin, config.apiSecret) let signature = CryptoJS.enc.Base64.stringify(signatureSha) let authorizationOrigin = `api_key="${config.apiKey}", algorithm="hmac-sha256", headers="host date request-line", signature="${signature}"` let authStr = CryptoJS.enc.Base64.stringify(CryptoJS.enc.Utf8.parse(authorizationOrigin)) return authStr }

创建wssUrl

// 获取当前时间 RFC1123格式 let date = (new Date().toUTCString()) let wssUrl = config.hostUrl + "?authorization=" + getAuthStr(date) + "&date=" + date + "&host=" + config.host let ws = new WebSocket(wssUrl)

接口数据传输
请求参数一共有三个
common: app_id，见账号控制台
business：业务参数，只有两个参数是必填的
- aue：音频编码格式，当需要生成mp3格式时需要(aue=lame且sfl=1)
- vcn：发音人
data：需要合成的文本

//连接建立完毕，读取数据识别 ws.on('open', ()=>{ log.info("websocket connect!") // send(text) //传输数据 let frame = { "common": { "app_id": config.appid }, // 填充business "business": { "aue": "lame", "auf": "audio/L16; rate=16000", "vcn": "xiaoyan", "tte": "UTF8", "sfl": 1 }, // 填充data "data": { "text": Buffer.from(text).toString('base64'), "status": 2 } } ws.send(JSON.stringify(frame)) })

接收数据: 合成返回的帧长度较大，服务端是可能会出现一个消息分为多个websocket 帧返回给客户端。这时候我的处理是每返回一次写入相同文件mp3

ws.on('message', (data, err)=>{ if(err){ return; } let res_data = https://www.it610.com/article/JSON.parse(data) if(!res_data || res_data.code!==0){ return; } audioBuf.push(res_data.data.audio) let audio = Buffer.from(res_data.data.audio,'base64') fs.appendFile(filePath, audio, 'binary', err=>{ }) if (res_data.code == 0 && res_data.data.status == 2) { //状态为2才表示合成结束，需要合并 ws.close() } })

【前端|科大讯飞语音合成WebApi】到这里就结束了，真的很简单但是为什么弄了这么久呢o(╥﹏╥)o