微软实时语音转文本使用js实现

Question

微软实时语音转文本
使用js如何实现和微软官网差不多的效果
不知道语音是以什么格式送过去的，应该怎么写

Answer 1

要实现类似微软实时语音转文本的效果，您可以使用 Web Speech API 和 Azure Cognitive Services 的语音转文本服务。

以下是实现的一般步骤：

1. 在 HTML 文件中添加一个按钮和一个文本区域，用于触发语音输入和显示转换后的文本结果。

<button id="startButton">开始录音</button>
<textarea id="transcript" rows="5" readonly></textarea>

1. 在 JavaScript 文件中，使用 Web Speech API 创建一个 SpeechRecognition 对象，用于处理语音输入。

const recognition = new webkitSpeechRecognition();
recognition.continuous = true;  // 允许连续语音输入
recognition.interimResults = true;  // 允许返回临时结果

// 当获得语音输入时触发事件
recognition.onresult = function (event) {
  const transcript = event.results[event.results.length - 1][0].transcript;
  document.getElementById('transcript').value = transcript;
};

// 开始录音
document.getElementById('startButton').addEventListener('click', function () {
  recognition.start();
});

1. 您需要使用 Azure Cognitive Services 的语音转文本服务来将语音转换为文本。首先，您需要在 Azure 门户上创建一个语音服务资源并获取订阅密钥和区域。然后，使用 REST API 或 Azure SDK 发送音频数据进行转换。以下是一个使用 REST API 的示例代码：

// 发送音频数据进行转换
function sendAudioData(blob) {
  const subscriptionKey = 'YOUR_SUBSCRIPTION_KEY';
  const region = 'YOUR_REGION';
  const endpoint = `https://${region}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=en-US`;

  const request = new XMLHttpRequest();
  request.open('POST', endpoint, true);
  request.setRequestHeader('Content-type', 'audio/wav; codec=audio/pcm; samplerate=16000');
  request.setRequestHeader('Authorization', 'Bearer ' + subscriptionKey);
  request.onreadystatechange = function () {
    if (request.readyState === 4 && request.status === 200) {
      const response = JSON.parse(request.responseText);
      const transcript = response.DisplayText;
      document.getElementById('transcript').value = transcript;
    }
  };

  request.send(blob);
}

1. 当您捕获到语音输入后，您可以使用 sendAudioData 函数将音频数据发送给 Azure 语音转文本服务进行转换。

// 当获得语音输入时触发事件
recognition.onresult = function (event) {
  const transcript = event.results[event.results.length - 1][0].transcript;
  document.getElementById('transcript').value = transcript;

  // 将语音转换为文本
  const audioBlob = event.results[event.results.length - 1][0].blob;
  sendAudioData(audioBlob);
};

至于语音的格式，通常可以使用 Web Speech API 的 SpeechRecognition 对象直接处理语音输入，无需过多的格式转换。然后，将音频数据以适当的格式（如 WAV）通过 REST API 发送给 Azure 的语音转文本服务。