安卓系统原生语音识别引擎如何保存音频输入？

Question

我正在尝试将Android语音识别服务听到的音频数据保存到文件中。

实际上，我按照这里所述实现了RecognitionListener: 在Android上进行语音转文本

按照这里所示的方法将数据保存到缓冲区： 捕获发送到Google语音识别服务器的音频

并像这里一样将缓冲区写入Wav文件。 Android将原始字节记录到用于HTTP流媒体的WAVE文件中

我的问题是如何获取适当的音频设置以保存在WAV文件头中。 实际上，当我播放WAV文件时只能听到奇怪的噪音，使用这些参数：

short nChannels=2;// audio channels
int sRate=44100;    // Sample rate
short bSamples = 16;// byteSample

或者用这个什么也不做：

short nChannels=1;// audio channels
int sRate=8000;    // Sample rate
short bSamples = 16;// byteSample

令人困惑的是，从logcat查看语音识别任务的参数时，我首先找到 将PLAYBACK采样率设置为44100 HZ:

    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK PCM format to S16_LE (Signed 16 bit Little Endian)
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Using 2 channels for PLAYBACK.
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK sample rate to 44100 HZ
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Buffer size: 2048
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Latency: 46439

然后在播放要发送到谷歌服务器的文件时，aInfo.SampleRate = 8000

    12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::InitWavParser
12-20 14:41:36.152: DEBUG/(2364): File open Succes
12-20 14:41:36.152: DEBUG/(2364): File SEEK End Succes
...
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = RIFF?
12-20 14:41:36.152: DEBUG/(2364): Data Read = RIFF?
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = fmt 
...
12-20 14:41:36.152: DEBUG/(2364): PVWAVPARSER_OK
12-20 14:41:36.156: DEBUG/(2364): aInfo.AudioFormat = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumChannels = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.SampleRate = 8000
12-20 14:41:36.156: DEBUG/(2364): aInfo.ByteRate = 16000
12-20 14:41:36.156: DEBUG/(2364): aInfo.BlockAlign = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.BitsPerSample = 16
12-20 14:41:36.156: DEBUG/(2364): aInfo.BytesPerSample = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumSamples = 2258

那么，我该如何找到正确的参数以便将音频缓冲区保存为高质量的wav音频文件？

- mmmx

---

你找到解决方案了吗？ - Doug

看起来你已经在这方面做得最好了。mmmx，你能解决这个问题吗？ - CompEng88

Answer 1

您没有包含实际写出PCM数据的代码，因此很难诊断，但如果您听到奇怪的噪音，那么最有可能是在写入数据时使用了错误的字节序（endian），或者使用了错误的声道数。如果采样率不正确，则只会导致音频听起来更慢或更快，但如果听起来完全混乱，则可能是在指定字节流的声道数或字节序时出现错误。

要确定，请直接将字节流传输到文件中而不带任何头信息（原始PCM数据）。这样，您可以排除编写文件头时的任何错误。然后使用Audacity导入原始数据，并尝试不同选项（位深度、字节序、声道），直到获得听起来正确的音频文件（只有一个是正确的）。您可以从“文件”->“导入”->“原始数据…”进行操作。

一旦以这种方式确定了字节格式，您只需要担心是否正确设置了头文件。您可能需要参考此参考资料以了解文件格式。或查看以下链接，了解有关现有Java解决方案编写音频文件的信息：Java - reading, manipulating and writing WAV files，或FMJ。虽然我猜这些可能无法在Android上使用。

如果您必须自己编写WAV / RIFF编写器，请记住Java的数据类型是big-endian，因此您写入文件的任何多字节原语都必须以反向字节顺序编写，以匹配RIFF的little-endianess。

- Malcolm Smith

Answer 2

8000，小端（little endian），16 位 PCM，单声道即可达到目的。

- chandru

---

顺便说一句，上述信息适用于三星GS2的音频。 - Nirvana Tikku

Answer 3

在最新版本中，onBufferReceived不起作用了，您可以使用从语音识别意图记录/保存音频代替。

- Nikolay Shmyrev