Node.js Web 应用程序上的 IBM Watson 语音到文本音频转换

Question

问题的要点是 IBM Watson Speech to Text 只允许上传和使用 FLAC、WAV 和 OGG 文件格式 API。

我的解决方案是，如果用户上传 mp3，在将文件发送到 Watson 之前，将进行数据转换。本质上，用户上传 mp3，然后使用 ffmpeg 或 sox 将音频转换为 OGG，之后将音频上传到 Watson。

我不确定的是：我到底需要在 Node.js Watson 代码中修改什么才能允许进行音频转换？下面链接的是我正在处理的 Watson 存储库。我确定必须更改的文件是 fileupload.js，我已将其链接，但我不确定更改的位置是什么？

我已经查看了 SO 和 developerWorks，即 IBM SO 来寻找这个问题的答案，但我没有看到任何答案，这就是我在这里发帖的原因。如果有必要，我很乐意澄清我的问题。

Watson Speech to Text Repo

Answer 1

您尝试使用的 Speech to Text 示例应用程序无法将 MP3 文件转换为 OGG。 src 文件夹（上面有 fileupload.js）只是将在客户端使用的 javascript（感谢 Browserify）。

该应用程序基本上是使用 CORS 与 API 进行通信，因此音频从浏览器传输到 Watson API。

如果您想使用 ffmpeg 或 sox 转换音频，您将需要使用自定义构建包安装依赖项，因为这些模块具有二进制依赖项（其中包含 C++ 代码） James Thomas 有一个带有 sox 的构建包：https://github.com/jthomas/nodejs-buildpack。您需要将 manifest.yml 更新为：

memory: 256M 
buildpack: https://github.com/jthomas/nodejs-buildpack.git
command: npm start

节点：

var sox = require('sox');

var job = sox.transcode('audio.mp3', 'audio.ogg', {
  sampleRate: 16000,
  format: 'ogg',
  channelCount: 2,
  bitRate: 192 * 1024,
  compressionQuality: -1
});

Node.js Web 应用程序上的 IBM Watson 语音到文本音频转换

IBM Watson Speech to Text Audio Conversion on Node.js Web Application

node.js

audio

ffmpeg

speech-to-text

ibm-watson