Fastify 语音识别 API 的实现

Fastify 是一个快速和低开销的 Web 框架，它支持异步编程风格和 HTTP/2。在这个文章中，我们将讨论如何使用 Fastify 实现语音识别服务的 API，这将有助于您更好地了解如何使用 Fastify 构建 Web 服务。

前置准备

在开始之前，我们需要安装一些必要的包以方便进行开发：

npm install fastify fastify-multipart axios @splitmedialabs/node-fluent-ffmpeg

需要提及的是，我们使用了 @splitmedialabs/node-fluent-ffmpeg 这个库来处理音频。

实现语音识别 API

首先，我们需要创建一个 Fastify 的实例：

const fastify = require('fastify')({ logger: true });

然后，我们创建一个路由处理程序，接受上传的音频文件。我们使用 fastify-multipart 插件来处理 multipart/form-data 格式的表单数据。这里我们只读取并存储音频文件：

// javascriptcn.com 代码示例
fastify.post('/upload-audio', { preHandler: fastify.uploadFieldsMiddleware }, async (request, reply) => {
  // 从请求中获取音频文件
  const { audio } = request.files;

  try {
    // 将音频文件存储到硬盘
    const { filename } = await request.saveFile(audio);

    // 在控制台上打印存储路径
    console.log('file saved at', filename);

    // 返回存储路径
    return { filename };
  } catch (error) {
    console.error('upload-audio', error);
    reply.code(500).send({ error: "Failed to upload audio" });
  }
});

接下来，我们需要使用第三方 API 让其转换音频文件并进行语音识别。我们们使用了百度云的语音识别 API，同样使用 axios 来发起请求，我们需要先通过 auth 接口获取 AccessToken：

// javascriptcn.com 代码示例
fastify.get('/baidu/auth', async (request, reply) => {
  const url = 'https://openapi.baidu.com/oauth/2.0/token';

  try {
    const response = await axios.get(url, {
      params: {
        grant_type: 'client_credentials',
        client_id: 'YOUR_APP_KEY',
        client_secret: 'YOUR_APP_SECRET',
      }
    });

    const { access_token } = response.data;

    // 返回 accessToken
    return { access_token };
  } catch (error) {
    console.error('baidu/auth', error);
    reply.code(500).send({ error: "Failed to get access token" });
  }
});

接下来我们使用语音识别接口，其中就用到了上述的 @splitmedialabs/node-fluent-ffmpeg 来将音频文件转换为百度 API 支持的格式，并发起 POST 请求：

// javascriptcn.com 代码示例
fastify.post('/baidu/speech-recognition', async (request, reply) => {
  const url = 'https://vop.baidu.com/server_api';
  const { access_token } = request.query;

  try {
    const { filename } = request.body;

    // 将音频转换为百度 API 支持的格式
    const audioPath = 'tmp/audio_converted.pcm';
    const audioConverted = ffmpeg(filename).audioFrequency(16000).audioChannels(1).format('s16le').save(audioPath);

    // 构建 POST 数据
    const audio = fs.readFileSync(audioPath);
    const data = audio.toString('base64');
    const options = {
      headers: {
        'Content-Type': 'application/json',
      },
      data: {
        format: 'pcm',
        cuid: 'mynodejs',
        lan: 'zh',
        token: access_token,
        speech: data,
        len: audio.byteLength
      }
    };

    // 发起 POST 请求
    const response = await axios.post(url, options.data, { headers: options.headers });

    // 返回语音识别结果
    return response.data;
  } catch (error) {
    console.error('baidu/speech-recognition', error);
    reply.code(500).send({ error: "Failed to recognize speech" });
  }
});

总结

在这篇文章中，我们使用 Fastify 和第三方库来实现了语音识别服务的 API。我们展示了如何使用 fastify-multipart 处理上传的音频文件，并使用 @splitmedialabs/node-fluent-ffmpeg 将它转换为百度 API 所需的格式，最终通过 axios 发起请求并得出语音识别的结果。如果您尝试实现一个语音识别服务，这里的代码一定能给您有所启示！

来源：JavaScript中文网 ，转载请注明来源 本文地址：https://www.javascriptcn.com/post/653a36e57d4982a6eb40bc7e