网上查了很多资料，自己在总结一下，感谢各位大佬提供的资料。
页面
<div class="lbox_close wxapi_form">
		<button class="btn btn_primary" id="startRecord">开始</button>
		<button class="btn btn_primary" id="deleteVoice">删除</button>
		<button class="btn btn_primary" id="uploadVoice">确认</button>
	</div>

<script>
	//文档加载完后立即执行
	wx.config({
		debug: false, // 开启调试模式,调用的所有api的返回值会在客户端alert出来，若要查看传入的参数，可以在pc端打开，参数信息会通过log打出，仅在pc端时才会打印。
		appId: '{$sign["appId"]}', // 必填，公众号的唯一标识
		timestamp: {$sign['timestamp']}, // 必填，生成签名的时间戳
		nonceStr: '{$sign["nonceStr"]}', // 必填，生成签名的随机串
		signature: '{$sign["signature"]}',// 必填，签名
		jsApiList: [
			"startRecord",
			"stopRecord",
			"onVoiceRecordEnd",
			"playVoice",
			"pauseVoice",
			"stopVoice",
			"onVoicePlayEnd",
			"uploadVoice",
			"downloadVoice",]// 必填，需要使用的JS接口列表
	});

	wx.ready(function () {
				var voice = {
					localId: '',
					serverId: ''
				};
				var startRecord = document.querySelector('#startRecord');
				var stopClearTimeout;
				startRecord.onclick = function () {
					//开始录音
					if(startRecord.innerHTML == '开始'){
						wx.startRecord({
							success: function(){
								startRecord.innerHTML = '停止';
								//30秒后自动停止;
								stopClearTimeout = setTimeout(function(){
									wx.stopRecord({
										success: function (res) {
											voice.localId = res.localId;
											startRecord.innerHTML = '试听';
										}
									});
								},30000);
							}
						});
					}

					//结束录音
				if(startRecord.innerHTML =='停止'){
						wx.stopRecord({
							success: function (res) {
								clearTimeout(stopClearTimeout);
								startRecord.innerHTML = '试听';
								voice.localId = res.localId;
							},
							fail: function (res) {
								alert(JSON.stringify(res));
							}
						});
					}

					//试听音频
				if(startRecord.innerHTML =='试听'){
						if (voice.localId == '') {
							alert('请先录制一段声音');
							return;
						}
						wx.playVoice({
							localId: voice.localId
						});
					}

				};

				//删除语音,重新录音;
				document.querySelector('#deleteVoice').onclick = function(){
					voice.localId = '';
					startRecord.innerHTML = '开始';
				};

				//确认上传语音
				document.querySelector('#uploadVoice').onclick = function () {
					if (voice.localId == '') {
						alert('请先录制一段声音');
						return;
					}
					wx.uploadVoice({
						localId: voice.localId, // 本地微信语音文件标识
						isShowProgressTips: 1, // 开启上传提示
						success: function (res) {
							//上传成功后从微信服务器下保存
							voice.serverId = res.serverId;
							$.ajax({
								url: '/mobile/member/luyin.php?action=save',//后台接收数据地址
								type: 'post',
								data: {'id': voice.serverId},
								success: function (msg) {
									if(msg == 1){
										alert('上传成功!');
									}
								}
							});

						},
						error:function(res){

							alert("上传失败");
						}
					});
				};

			});


		wx.error(function (res) {
			 alert("出现错误请重试:"+res.errMsg);
		});
</script>

后台接收数据保存部分，使用到了ffmpeg，将amr格式的文件转换为MP3
	$id=$_POST['id'];
		$now=time();
		$url="http://file.api.weixin.qq.com/cgi-bin/media/get?access_token=$access_token&media_id=$id";
		$targetName =  DT_ROOT .'/file/upload/123/'.$now.'.amr';   //保存目录，格式为www/wwwroot/http:...../。。.amr;
		ob_start();
		readfile($url);
		$luyin  = ob_get_contents();
		ob_end_clean();
		$size = strlen($luyin);
		$fp = fopen($targetName, 'a');
		fwrite($fp, $luyin);
		fclose($fp);
		
		// 将 amr 文件格式转换成 mp3 格式  ，不需要转换的在这里就结束了，当然了可以写个语句把MP3的路径保存起来，方便调用，下一篇讲一下ffmpeg的安装使用。
		$amrFile = DT_ROOT .'/file/upload/123/'.$now.'.amr';
		$mp3File =  DT_ROOT .'/file/upload/123/'.$now.'.mp3';
		// 调用PHP命令，将amr格式文件转换为mp3
		$command = "ffmpeg -i " . $amrFile . " " . $mp3File . " 2>&1";
		$a1=exec($command, $output1,$return1);
		$a2=$a1.'|'.$output1.'|'.$return1;
		//var_dump($al);
		$videourl=$CFG['url'] .'/file/upload/123/'.$now.'.mp3';//类似http:....../时间戳.mp3
//		$videourl=$mp3File;
		$names=$_username;
		$db->query("INSERT INTO {$DT_PRE}sound_record (userid,username,soundrecord,addtime,status) VALUES ('$_userid','$names','$videourl','$now','1')");
		echo 1;
		exit;

转载自：微信 JS-SDK 录音功能开发

剪切音频中的一部分，简单点来说，就是把音频中的部分内容给去掉。比如说：一个音频有50秒，我想把其中20~40秒的内容去掉，只保留另外一部分内容。但是因为要去掉的视频部分精确到了秒，所以就需要设置相应的起止时间，然后再去掉选中的部分。什么音频转换器能截取音频？这个就是我们今天的看点了。



操作步骤：

双击运行迅捷音频转换器，点击软件主界面上的“音频剪切”。 如下图所示，会跳转到音频剪切界面。



点击界面上的“添加文件”，在打开对话框中选择要添加的音频素材，然后点击“打开”。（这个工具很适合新手小白，操作简单，并且功能齐全。）



其实很简单，通过直接拖动播放进度条两端的截取条来确定需要截取的音频片段，左边的表示开始时间，右边的表示结束时间；接下来选中截取后的音频，点击确定就可以回到主界面了。



设置音频输出目录，最后点击“开始剪切”按钮。大家不要再有什么软件能截取音频这样的疑惑了，我们这里已经解决了哈。



界面上方会显示音频剪切输出的进度，根据音频的大小，输出所需时间也会有所不同，不过一般情况下音频输出的速度都还是挺快的。



以上就是剪切音频的方法了，在上面的操作中，我们截取的是需要保留的部分，大家在操作的时候可要看仔细了，不要弄错。

功能非常简单，把长段录音截断，控制在60s以内。
为什么要截短，当然是为了接百度语音识别的API
全文参考了下文：

https://blog.csdn.net/watfe/article/details/80284242?utm_source=app
#本程序用于把长段的音频文件按照语气停顿进行截取
#操作注意：拷贝代码后把path改成自己的目标文件即可
from pydub import AudioSegment
from pydub.silence import split_on_silence
import os

path = "G:/a.wav"
audiotype = 'wav'
sound = AudioSegment.from_file(path, format=audiotype)
sound = sound[:3*60*1000]
 
print('开始分割')
chunks = split_on_silence(sound,min_silence_len=1000,silence_thresh=-70)#min_silence_len: 拆分语句时，静默满1秒则拆分。silence_thresh：小于-70dBFS以下的为静默。
# 创建保存目录
filepath = os.path.split(path)[0]
chunks_path = filepath+'/chunks/'
if not os.path.exists(chunks_path):os.mkdir(chunks_path)
# 保存所有分段
print('开始保存')
for i in range(len(chunks)):
    new = chunks[i]
    save_name = chunks_path+'%04d.%s'%(i,audiotype)
    new.export(save_name, format=audiotype)
    print('%04d'%i,len(new))
print('保存完毕')

 PyAudio 实现录音 自动化交互实现问答

Python 很强大其原因就是因为它庞大的三方库 , 资源是非常的丰富 , 当然也不会缺少关于音频的库

关于音频, PyAudio 这个库, 可以实现开启麦克风录音, 可以播放音频文件等等,此刻我们不去了解其他的功能,只了解一下它如何实现录音的

首先要先 pip 一个 PyAudio

pip install pyaudio

一.PyAudio 实现麦克风录音

然后建立一个py文件,复制如下代码



import pyaudio
import wave

CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 16000
RECORD_SECONDS = 2
WAVE_OUTPUT_FILENAME = "Oldboy.wav"

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT,
                channels=CHANNELS,
                rate=RATE,
                input=True,
                frames_per_buffer=CHUNK)

print("开始录音,请说话......")

frames = []

for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
    data = stream.read(CHUNK)
    frames.append(data)

print("录音结束,请闭嘴!")

stream.stop_stream()
stream.close()
p.terminate()

wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()



尝试一下,在目录中出现了一个 Oldboy.wav 文件 , 听一听,还是很清晰的嘛

接下来,我们将这段录音代码,写在一个函数里面,如果要录音的话就调用

建立一个文件 pyrec.py 并将录音代码和函数写在内



# pyrec.py 文件内容
import pyaudio
import wave

CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 16000
RECORD_SECONDS = 2

def rec(file_name):
    p = pyaudio.PyAudio()

    stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)

    print("开始录音,请说话......")

    frames = []

    for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
        data = stream.read(CHUNK)
        frames.append(data)

    print("录音结束,请闭嘴!")

    stream.stop_stream()
    stream.close()
    p.terminate()

    wf = wave.open(file_name, 'wb')
    wf.setnchannels(CHANNELS)
    wf.setsampwidth(p.get_sample_size(FORMAT))
    wf.setframerate(RATE)
    wf.writeframes(b''.join(frames))
    wf.close()



rec 函数就是我们调用的录音函数,并且给他一个文件名,他就会自动将声音写入到文件中了

 

二.实现音频格式自动转换 并 调用语音识别

录音的问题解决了,赶快和百度语音识别接在一起使用一下:



不管你的录音有多么多么清晰,你发现百度给你返回的永远是:

{'err_msg': 'speech quality error.', 'err_no': 3301, 'sn': '6397933501529645284'} # 音质不清晰

其实不是没听清,而是百度支持的音频格式PCM搞的鬼

所以,我们要将录制的wav音频文件转换为pcm文件

写一个文件 wav2pcm.py 这个文件里面的函数是专门为我们转换wav文件的

使用 os 模块中的 os.system()方法 这个方法是执行系统命令用的, 在windows系统中的命令就是 cmd 里面写的东西,dir , cd 这类的命令



# wav2pcm.py 文件内容
import os

def wav_to_pcm(wav_file):
    # 假设 wav_file = "音频文件.wav"
    # wav_file.split(".") 得到["音频文件","wav"] 拿出第一个结果"音频文件"  与 ".pcm" 拼接 等到结果 "音频文件.pcm"
    pcm_file = "%s.pcm" %(wav_file.split(".")[0])

    # 就是此前我们在cmd窗口中输入命令,这里面就是在让Python帮我们在cmd中执行命令
    os.system("ffmpeg -y  -i %s  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s"%(wav_file,pcm_file))

    return pcm_file



这样我们就有了把wav转为pcm的函数了 , 再重新构建一次咱们的代码



这次的返回结果还挺让人满意的嘛

{'corpus_no': '6569869134617218414', 'err_msg': 'success.', 'err_no': 0, 'result': ['老男孩教育'], 'sn': '8116162981529666859'}

拿到语音识别的字符串了,接下来用这段字符串 语音合成, 学习咱们说出来的话

 

三.语音合成 与 FFmpeg 播放mp3 文件

拿到字符串了,直接调用synthesis方法去合成吧



这段代码衔接上一段代码,成功获得了 synth.mp3 音频文件,并且确定了实在学习我们说的话

接下来就是让我们的程序自动将 synth.mp3 音频文件播放了 其实PyAudio 有播放的功能,但是操作有点复杂

所以我们还是选择用简单的方式解决复杂的问题,就是这么简单粗暴,是否还记得FFmpeg 呢?

FFmpeg 这个系统工具中,有一个 ffplay 的工具用来打开并播放音频文件的,使用方法大概是: ffplay 音频文件.mp3

建立一个playmp3.py文件, 写一个 play_mp3 的函数用来播放已经合成的语音

# playmp3.py 文件内容
import os

def play_mp3(file_name):
    os.system("ffplay  %s"%(file_name))

回到主文件,调用playmp3.py文件中的 play_mp3 函数



执行代码,当你看到 : 开始录音,请说话......

请大声的说出: 学IT 找老男孩教育

然后你就会听到,一个娇滴滴声音重复你说的话

 

四.简单问答

首先我们要把代码重新梳理一下:

把语音合成 语音识别部分的代码独立成函数放到baidu_ai.py文件中



# baidu_ai.py 文件内容
from aip import AipSpeech

# 这里的三个参数,对应在百度语音创建的应用中的三个参数
APP_ID = "xxxxx"
API_KEY = "xxxxxxx"
SECRET_KEY = "xxxxxxxx"

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)


def audio_to_text(pcm_file):
    # 读取文件 , 终于得到了PCM文件
    with open(pcm_file, 'rb') as fp:
        file_context = fp.read()

    # 识别本地文件
    res = client.asr(file_context, 'pcm', 16000, {
        'dev_pid': 1536,
    })

    # 从字典里面获取"result"的value 列表中第1个元素,就是识别出来的字符串"老男孩教育"
    res_str = res.get("result")[0]

    return res_str


def text_to_audio(res_str):
    synth_file = "synth.mp3"
    synth_context = client.synthesis(res_str, "zh", 1, {
        "vol": 5,
        "spd": 4,
        "pit": 9,
        "per": 4
    })

    with open(synth_file, "wb") as f:
        f.write(synth_context)

    return synth_file



然后把我们的主文件进行一下修改



import pyrec  # 录音函数文件
import wav2pcm  # wav转换pcm 函数文件
import baidu_ai  # 语音合成函数,语音识别函数 文件
import playmp3  # 播放mp3 函数 文件

pyrec.rec("1.wav")  # 录音并生成wav文件,使用方式传入文件名

pcm_file = wav2pcm.wav_to_pcm("1.wav")  # 将wav文件 转换成pcm文件 返回 pcm的文件名

res_str = baidu_ai.audio_to_text(pcm_file) # 将转换后的pcm音频文件识别成 文字 res_str

synth_file = baidu_ai.text_to_audio(res_str) # 将res_str 字符串 合成语音 返回文件名 synth_file

playmp3.play_mp3(synth_file) # 播放 synth_file



 

然后就是大展宏图的时候了,展开你们的想象力:

res_str 是字符串,如果字符串等于"你叫什么名字"的时候,我们就要给他一个回答:我的名字叫老男孩教育

新建一个FAQ.py的文件然后建立一个函数faq:

# FAQ.py 文件内容
def faq(Q):
    if Q == "你叫什么名字": # 问题
        return "我的名字是老男孩教育" # 答案

　　return "我不知道你在说什么" #问题没有答案时返

在主文件中导入这个函数,并将语音识别后的字符串传入函数中



现在来尝试一下:"你叫什么名字","你今年几岁了"

成功了,现在你可以对 FAQ.py 这个文件进行更多的问题匹配了

还是那句话,别玩儿坏了

思考题:

1.如何实现一直问答不用问一次停一次?

2.问题那么多,是不是要写这么多问题呢?

3.如果我问你是谁,是不是要重复也一次 我的名字叫老男孩教育 的答案呢?

 

转：https://www.cnblogs.com/DragonFire/p/9212935.html