最近我需要弄清楚另一件事，将我的 Assembly.ai 转录引擎连接到声音很大的前端。

这是我尝试过的：

1. 请求使用回声消除功能的麦克风访问权限。
2. 使用 Web Audio API 设置音频处理链。
3. 将此设置与语音识别集成。
4. 利用 DynamicsCompressorNode 进行额外的音频处理。

第 1 步：请求使用回声消除功能的麦克风访问权限

第一步是请求访问启用了回声消除的麦克风。此功能内置于大多数现代浏览器中，有助于减少扬声器的反馈。

async function getMicrophoneStream() {
    const constraints = {
        audio: {
            echoCancellation: true,
            noiseSuppression: true,
            autoGainControl: true
        }
    };

    try {
        const stream = await navigator.mediaDevices.getUserMedia(constraints);
        return stream;
    } catch (err) {
        console.error('Error accessing the microphone', err);
        return null;
    }
}

解释

• 约束：我们指定音频约束以启用回声消除、噪声抑制和自动增益控制。
• 错误处理：如果用户拒绝访问或存在任何其他问题，我们会捕获并记录错误。

第 2 步：设置 Web 音频 API 节点

接下来，我们设置 Web Audio API 来处理音频流。这涉及创建 AudioContext 并连接各个节点，包括 DynamicsCompressorNode。

async function setupAudioProcessing(stream) {
    const audioContext = new AudioContext();
    const source = audioContext.createMediaStreamSource(stream);

    // Create a DynamicsCompressorNode for additional processing
    const compressor = audioContext.createDynamicsCompressor();
    compressor.threshold.setValueAtTime(-50, audioContext.currentTime); // Example settings
    compressor.knee.setValueAtTime(40, audioContext.currentTime);
    compressor.ratio.setValueAtTime(12, audioContext.currentTime);
    compressor.attack.setValueAtTime(0, audioContext.currentTime);
    compressor.release.setValueAtTime(0.25, audioContext.currentTime);

    // Connect nodes
    source.connect(compressor);
    compressor.connect(audioContext.destination);

    return { audioContext, source, compressor };
}

解释

• AudioContext：表示音频环境。
• MediaStreamSource：将麦克风流连接到音频上下文。
• DynamicsCompressorNode：降低音频信号的动态范围，有助于管理背景噪声和反馈。

第 3 步：与语音识别集成

最后，我们将音频处理设置与 Web Speech API 集成以执行语音识别。

async function startSpeechRecognition() {
    const stream = await getMicrophoneStream();
    if (!stream) return;

    const { audioContext, source, compressor } = await setupAudioProcessing(stream);

    const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();
    recognition.continuous = true;
    recognition.interimResults = true;

    recognition.onresult = (event) => {
        for (let i = event.resultIndex; i  {
        console.error('Speech recognition error', event.error);
    };

    recognition.start();

    // Handle audio context resume if needed
    if (audioContext.state === 'suspended') {
        audioContext.resume();
    }

    return recognition;
}

// Start the speech recognition process
startSpeechRecognition();

解释

• 语音识别设置：我们设置了用于连续和临时语音识别的 Web Speech API。
• 事件处理：我们处理onresult和onerror事件来处理识别结果和错误。
• 开始识别：我们启动语音识别过程并确保音频上下文不会暂停。

希望您发现这很有用。

编码愉快！

蒂姆。