263 lines
5.8 KiB
Markdown
263 lines
5.8 KiB
Markdown
# 📝 如何准备测试音频数据
|
||
|
||
## 你需要提供的数据格式
|
||
|
||
### PCM格式要求（重要！）
|
||
|
||
```
|
||
✅ 采样率: 16000 Hz
|
||
✅ 位深度: 16 bit (有符号整数，Signed Integer)
|
||
✅ 声道数: 1 (单声道，Mono)
|
||
✅ 字节序: Little Endian (小端序)
|
||
✅ 格式: 纯PCM数据（无任何文件头，不是WAV）
|
||
```
|
||
|
||
### 数据大小计算
|
||
|
||
```
|
||
数据大小（bytes）= 采样率 × 时长（秒）× 2
|
||
|
||
示例：
|
||
- 1秒音频 = 16000 × 1 × 2 = 32,000 bytes ≈ 31.25 KB
|
||
- 3秒音频 = 16000 × 3 × 2 = 96,000 bytes ≈ 93.75 KB
|
||
- 5秒音频 = 16000 × 5 × 2 = 160,000 bytes ≈ 156.25 KB
|
||
```
|
||
|
||
## 方式一：使用 FFmpeg 转换（推荐）
|
||
|
||
### 1. 从MP3/WAV/M4A等格式转换
|
||
|
||
```bash
|
||
ffmpeg -i input.mp3 -f s16le -acodec pcm_s16le -ar 16000 -ac 1 output.pcm
|
||
```
|
||
|
||
**参数说明：**
|
||
- `-i input.mp3`: 输入文件（可以是任何音频格式）
|
||
- `-f s16le`: 输出格式为16位小端序PCM
|
||
- `-acodec pcm_s16le`: 使用16位PCM编码
|
||
- `-ar 16000`: 采样率16000 Hz
|
||
- `-ac 1`: 单声道
|
||
|
||
### 2. 验证生成的PCM文件
|
||
|
||
```bash
|
||
# 查看文件大小
|
||
ls -lh output.pcm
|
||
|
||
# 计算时长（秒）= 文件大小（bytes）/ 32000
|
||
# 例如：96000 bytes / 32000 = 3 秒
|
||
```
|
||
|
||
### 3. 转换为base64
|
||
|
||
```bash
|
||
# Linux/Mac
|
||
base64 output.pcm > output_base64.txt
|
||
|
||
# 或者一行输出（适合小文件）
|
||
base64 output.pcm | tr -d '\n' > output_base64.txt
|
||
|
||
# Windows PowerShell
|
||
[Convert]::ToBase64String([IO.File]::ReadAllBytes("output.pcm")) > output_base64.txt
|
||
```
|
||
|
||
## 方式二：在线录音并导出
|
||
|
||
### 1. 使用Audacity（免费开源）
|
||
|
||
1. 打开Audacity
|
||
2. 点击红色按钮录音
|
||
3. 录制3-5秒的测试语音（说点什么都可以）
|
||
4. 点击停止
|
||
5. **设置项目采样率**：左下角设置为 `16000 Hz`
|
||
6. **转换为单声道**：轨道 → 混音 → 混音立体声为单声道
|
||
7. **导出**：
|
||
- 文件 → 导出 → 导出音频
|
||
- 文件类型选择：`其他未压缩文件`
|
||
- 头部：`RAW (header-less)`
|
||
- 编码：`Signed 16-bit PCM`
|
||
- 保存为 `test.pcm`
|
||
|
||
### 2. 使用Python脚本录音
|
||
|
||
```python
|
||
import pyaudio
|
||
import wave
|
||
import struct
|
||
|
||
# 配置
|
||
RATE = 16000
|
||
CHANNELS = 1
|
||
FORMAT = pyaudio.paInt16
|
||
RECORD_SECONDS = 3
|
||
|
||
# 录音
|
||
audio = pyaudio.PyAudio()
|
||
stream = audio.open(format=FORMAT, channels=CHANNELS,
|
||
rate=RATE, input=True,
|
||
frames_per_buffer=1024)
|
||
|
||
print("录音中... (3秒)")
|
||
frames = []
|
||
for i in range(0, int(RATE / 1024 * RECORD_SECONDS)):
|
||
data = stream.read(1024)
|
||
frames.append(data)
|
||
|
||
print("录音完成")
|
||
stream.stop_stream()
|
||
stream.close()
|
||
audio.terminate()
|
||
|
||
# 保存为PCM
|
||
with open('output.pcm', 'wb') as f:
|
||
f.write(b''.join(frames))
|
||
|
||
print("已保存为 output.pcm")
|
||
```
|
||
|
||
## 如何使用生成的数据
|
||
|
||
### 选项A：使用base64（推荐，适合小文件）
|
||
|
||
1. **转换为base64**（见上面的命令）
|
||
|
||
2. **打开** `webUI/src/utils/config.js`
|
||
|
||
3. **填入base64数据**：
|
||
|
||
```javascript
|
||
TEST_MODE: {
|
||
enabled: true,
|
||
testAudioBase64: 'AAEAAgADAAQABQAG...', // 👈 粘贴你的base64字符串
|
||
testAudioPath: '',
|
||
}
|
||
```
|
||
|
||
**完整示例：**
|
||
```javascript
|
||
TEST_MODE: {
|
||
enabled: true,
|
||
testAudioBase64: 'AAEAAgADAAQABQAGAAcACA...(很长的base64字符串)...==',
|
||
testAudioPath: '',
|
||
}
|
||
```
|
||
|
||
### 选项B：使用文件路径（适合大文件）
|
||
|
||
1. **将PCM文件放入项目**：
|
||
```
|
||
webUI/src/static/test_audio.pcm
|
||
```
|
||
|
||
2. **配置路径**：
|
||
```javascript
|
||
TEST_MODE: {
|
||
enabled: true,
|
||
testAudioBase64: '', // 留空
|
||
testAudioPath: '/static/test_audio.pcm', // 👈 文件路径
|
||
}
|
||
```
|
||
|
||
## 快速测试数据示例
|
||
|
||
### 生成一个简单的测试文件（Python）
|
||
|
||
```python
|
||
import struct
|
||
|
||
# 生成3秒的简单正弦波（200Hz）
|
||
sample_rate = 16000
|
||
duration = 3
|
||
frequency = 200
|
||
|
||
with open('test.pcm', 'wb') as f:
|
||
for i in range(sample_rate * duration):
|
||
t = i / sample_rate
|
||
# 正弦波，振幅8000
|
||
sample = int(8000 * (2 * 3.14159 * frequency * t) ** 0.5)
|
||
sample = max(-32768, min(32767, sample))
|
||
f.write(struct.pack('<h', sample)) # 小端序，有符号16位
|
||
|
||
print("生成完成: test.pcm")
|
||
```
|
||
|
||
## 推荐的测试内容
|
||
|
||
建议你录制以下内容之一（3-5秒）：
|
||
|
||
1. **简单问候**：
|
||
- "你好"
|
||
- "今天天气怎么样"
|
||
- "给我讲个笑话"
|
||
|
||
2. **简单指令**：
|
||
- "帮我查询一下"
|
||
- "打开设置"
|
||
- "我要了解一下"
|
||
|
||
3. **随意说话**：
|
||
- 随便说点什么都可以
|
||
- 主要是测试流程是否正常
|
||
|
||
## 验证数据是否正确
|
||
|
||
### 检查文件大小
|
||
|
||
```bash
|
||
# 应该接近这个大小
|
||
# 3秒 = 96,000 bytes
|
||
# 5秒 = 160,000 bytes
|
||
|
||
ls -lh your_file.pcm
|
||
```
|
||
|
||
### 使用FFmpeg播放测试
|
||
|
||
```bash
|
||
# 如果能听到声音，说明格式正确
|
||
ffplay -f s16le -ar 16000 -ac 1 output.pcm
|
||
```
|
||
|
||
### 检查base64长度
|
||
|
||
```bash
|
||
# base64后的大小约为原始数据的 1.37 倍
|
||
# 96,000 bytes → 约 131,000 字符的base64
|
||
wc -c output_base64.txt
|
||
```
|
||
|
||
## 常见问题
|
||
|
||
### Q: 我的base64太长了怎么办？
|
||
A: 建议音频不要超过5秒，或者使用文件路径方式（选项B）
|
||
|
||
### Q: 如何确认生成的数据格式正确？
|
||
A:
|
||
1. 用ffplay播放测试
|
||
2. 检查文件大小是否符合公式
|
||
3. 查看控制台日志，看是否有格式错误
|
||
|
||
### Q: 为什么必须是16000Hz？
|
||
A: 后端的STT服务要求16000Hz采样率
|
||
|
||
### Q: 可以用WAV文件吗？
|
||
A: 不行！必须是纯PCM数据，不能有WAV文件头
|
||
|
||
### Q: 我应该说什么内容？
|
||
A: 随便说什么都可以，主要是测试流程。如果想测试识别准确度，建议说清晰的普通话
|
||
|
||
## 下一步
|
||
|
||
准备好数据后：
|
||
|
||
1. 填入 `config.js` 的 `testAudioBase64` 或 `testAudioPath`
|
||
2. 设置 `enabled: true`
|
||
3. 运行项目，进入语音模式
|
||
4. 点击 "🧪 发送测试音频" 按钮
|
||
5. 观察控制台日志和结果
|
||
|
||
---
|
||
|
||
**需要帮助？** 检查浏览器控制台的 `[TestMode]` 日志输出。
|
||
|