保存Android股票語音識別引擎的音頻輸入

Question

我試圖在文件中保存由android的語音識別服務收聽的音頻數據。

其實我實現RecognitionListener如下解釋： Speech to Text on Android

將數據保存到緩衝區中，如下圖所示： Capturing audio sent to Google's speech recognition server

和緩存寫入到一個WAV文件，如在這裏。 Android Record raw bytes into WAVE file for Http Streaming

我的問題是如何得到適當的音頻設置保存在wav文件的標題。 事實上，當我玩wav文件只能聽到奇怪的聲音，這個參數，

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

或自認倒黴：

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

什麼困惑的是，看的語音識別任務的參數從logcat的，我覺得第一設置播放採樣率44100赫茲：

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 

然後aInfo.SampleRate = 8000時，它起着發送給谷歌服務器上的文件：

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 

所以，我怎樣才能找到合適的參數保存音頻緩衝在一個良好的WAV音頻文件？

Answer 1

你沒有包括你的代碼來真正寫出PCM數據，所以它很難診斷，但是如果你聽到奇怪的噪音，那麼看起來你很可能在編寫數據時出錯endian，或者頻道數量錯誤。使採樣率錯誤只會導致音頻聲音變慢或變快，但如果聽起來完全亂碼，則可能是在指定字節流的通道數或字節數時出錯。

要知道肯定，只需將您的字節直接流到沒有任何標題（原始PCM數據）的文件。這樣，您可以在編寫文件頭時排除任何錯誤。然後使用Audacity導入原始數據，試驗不同的選項（比特深度，端序，通道），直到聽到正確的音頻文件（只有一個是正確的）。您可以通過文件 - >導入 - >原始數據執行此操作...

以這種方式識別出字節格式後，您只需要擔心是否正確設置標題。您可能想要參考此參考文件http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html獲取文件格式。或者在編寫音頻文件Java - reading, manipulating and writing WAV files或FMJ上查看現有Java解決方案的以下鏈接。雖然我猜這些可能無法在Android上使用。

如果您在推出自己的WAV/RIFF作家記得Java的數據類型是big-endian所以你寫信給你的文件中的任何多字節原語必須寫在reverse byte order匹配RIFF的小字節序。

Answer 2

，小尾數，16位PCM，單聲道的伎倆

Answer 3

在最新版本onBufferReceived不起作用，你可以使用record/save audio from voice recognition intent代替。