JAVA开发离线语音识别

Cryyen

可以离线识别，但是暂时只有一个小的语音库，识别准确率特别低。

springboot框架搭的一个小demo。

原文地址还有前端页面html和js，有录音，播放，翻译等小功能，详情见下边原文地址。

1. package com.example.gadgets.yysb;
   
2. 
   
3. import com.alibaba.fastjson.JSONObject;
   
4. import com.sun.media.sound.WaveFileReader;
   
5. import com.sun.media.sound.WaveFileWriter;
   
6. import org.springframework.util.Assert;
   
7. import org.springframework.util.StringUtils;
   
8. import org.vosk.LibVosk;
   
9. import org.vosk.LogLevel;
   
10. import org.vosk.Model;
    
11. import org.vosk.Recognizer;
    
12. 
    
13. import javax.sound.sampled.*;
    
14. import java.io.*;
    
15. import java.nio.file.Files;
    
16. import java.nio.file.Paths;
    
17. 
    
18. public class VoiceUtil {
    
19. 
    
20. 
    
21. 
    
22.     //模型的地址，需要去官网下载：https://alphacephei.com/vosk/models，这里选择的是Chinese里的vosk-model-small-cn-0.22 微型版本
    
23.     //经测试，微型版本转化准确率30%左右。如果语言不清楚，可能更低。明天下载个大的包试一下
    
24.     private static String VOSKMODELPATH = "D:/yuyinshibie/vosk-model-small-cn-0.22";
    
25. 
    
26.     public static String getWord(String filePath) throws IOException, UnsupportedAudioFileException {
    
27.         Assert.isTrue(StringUtils.hasLength(VOSKMODELPATH), "无效的VOS模块！");
    
28.         byte[] bytes = Files.readAllBytes(Paths.get(filePath));
    
29.         // 转换为16KHZ
    
30.         reSamplingAndSave(bytes, filePath);
    
31.         File f = new File(filePath);
    
32.         RandomAccessFile rdf = null;
    
33.         rdf = new RandomAccessFile(f, "r");
    
34.         System.out.println("声音尺寸:{}"+ toInt(read(rdf, 4, 4)));
    
35.         System.out.println("音频格式:{}"+ toShort(read(rdf, 20, 2)));
    
36.         short track=toShort(read(rdf, 22, 2));
    
37.         System.out.println("1 单声道 2 双声道: {}"+ track);
    
38.         System.out.println("采样率、音频采样级别 16000 = 16KHz: {}"+ toInt(read(rdf, 24, 4)));
    
39.         System.out.println("每秒波形的数据量：{}"+ toShort(read(rdf, 22, 2)));
    
40.         System.out.println("采样帧的大小：{}"+ toShort(read(rdf, 32, 2)));
    
41.         System.out.println("采样位数：{}"+ toShort(read(rdf, 34, 2)));
    
42.         rdf.close();
    
43.         LibVosk.setLogLevel(LogLevel.WARNINGS);
    
44. 
    
45.         try (Model model = new Model(VOSKMODELPATH);
    
46.              InputStream ais = AudioSystem.getAudioInputStream(new BufferedInputStream(new FileInputStream(filePath)));
    
47.              // 采样率为音频采样率的声道倍数
    
48.              Recognizer recognizer = new Recognizer(model, 16000*track)) {
    
49. 
    
50.             int nbytes;
    
51.             byte[] b = new byte[4096];
    
52.             int i = 0;
    
53.             while ((nbytes = ais.read(b)) >= 0) {
    
54.                 i += 1;
    
55.                 if (recognizer.acceptWaveForm(b, nbytes)) {
    
56. //                    System.out.println(recognizer.getResult());
    
57.                 } else {
    
58. //                    System.out.println(recognizer.getPartialResult());
    
59.                 }
    
60.             }
    
61.             String result = recognizer.getFinalResult();
    
62.             System.out.println("识别结果：{}"+ result);
    
63.             if (StringUtils.hasLength(result)) {
    
64.                 JSONObject jsonObject = JSONObject.parseObject(result);
    
65.                 return jsonObject.getString("text").replace(" ", "");
    
66.             }
    
67.             return "";
    
68.         }
    
69.     }
    
70. 
    
71.     public static int toInt(byte[] b) {
    
72.         return (((b[3] & 0xff) << 24) + ((b[2] & 0xff) << 16) + ((b[1] & 0xff) << 8) + ((b[0] & 0xff) << 0));
    
73.     }
    
74. 
    
75.     public static short toShort(byte[] b) {
    
76.         return (short) ((b[1] << 8) + (b[0] << 0));
    
77.     }
    
78. 
    
79. 
    
80.     public static byte[] read(RandomAccessFile rdf, int pos, int length) throws IOException {
    
81.         rdf.seek(pos);
    
82.         byte result[] = new byte[length];
    
83.         for (int i = 0; i < length; i++) {
    
84.             result[i] = rdf.readByte();
    
85.         }
    
86.         return result;
    
87.     }
    
88. 
    
89.     public static void reSamplingAndSave(byte[] data, String path) throws IOException, UnsupportedAudioFileException {
    
90.         WaveFileReader reader = new WaveFileReader();
    
91.         AudioInputStream audioIn = reader.getAudioInputStream(new ByteArrayInputStream(data));
    
92. 
    
93.         AudioFormat srcFormat = audioIn.getFormat();
    
94.         int targetSampleRate = 16000;
    
95. 
    
96.         AudioFormat dstFormat = new AudioFormat(srcFormat.getEncoding(),
    
97.                 targetSampleRate,
    
98.                 srcFormat.getSampleSizeInBits(),
    
99.                 srcFormat.getChannels(),
    
100.                 srcFormat.getFrameSize(),
     
101.                 srcFormat.getFrameRate(),
     
102.                 srcFormat.isBigEndian());
     
103. 
     
104.         AudioInputStream convertedIn = AudioSystem.getAudioInputStream(dstFormat, audioIn);
     
105.         File file = new File(path);
     
106.         WaveFileWriter writer = new WaveFileWriter();
     
107.         writer.write(convertedIn, AudioFileFormat.Type.WAVE, file);
     
108.     }
     
109. 
     
110.     public static void main(String[] args) {
     
111.         String path = "D:/yuyinshibie/test456.wav";
     
112.         File localFile = new File(path);
     
113.         try {
     
114. 
     
115.             //开始解析
     
116.             String text = getWord(path);
     
117.             System.out.println("text:"+text);
     
118.             localFile.delete();
     
119.         } catch (IOException | UnsupportedAudioFileException e) {
     
120.             e.printStackTrace();
     
121.             localFile.delete();
     
122.         }
     
123.     }
     
124. 
     
125. }

复制代码