@huoshan-lat/xunfei-lat

一个用于音频录制、处理、分割和通过网络请求发送音频数据的语音处理库。

安装

pnpm install @huoshan-lat/xunfei-lat

使用

配置系统参数

配置必要的系统参数，这些参数通常在讯飞开放平台申请：

/**
 * 平台系统配置
 */
const systemConfig = {

}

// 配置系统参数
LatController.config(systemConfig)

创建实例

创建 LatController 实例，并配置业务参数：

/**
 * 创建LatController实例
 */
const businesstParams = {

  /**
   *采样率，默认为16000
   */
  sample_rate: number,

  /**
   * 位深
   */
  bits: number,
  /**
   * 声道数
   */
  channels: number,
  format: string,
  codec: string,
  enable_itn: boolean,
  enable_punc: boolean,
  enable_ddc: boolean,

  // sample_rate=16000&bits=16&channels=1&format=raw&codec=raw&enable_itn=true&enable_punc=true&enable_ddc=true

  /**
   * 语种
   * - 'zh_cn': 中文（支持简单的英文识别）
   * - 'en_us': 英文
   * - 其他小语种参数值需在控制台添加试用或购买后显示
   */
  language: 'zh_cn',

  /**
   * 应用领域
   * - 'iat': 日常用语
   * - 'medical': 医疗
   * - 'gov-seat-assistant': 政务坐席助手
   * - 'seat-assistant': 金融坐席助手
   * - 'gov-ansys': 政务语音分析
   * - 'gov-nav': 政务语音导航
   * - 'fin-nav': 金融语音导航
   * - 'fin-ansys': 金融语音分析
   */
  domain: 'iat',

  /**
   * 方言，当前仅在language为中文时，支持方言选择。
   * - 'mandarin': 中文普通话、其他语种
   * - 其他方言参数值需在控制台添加试用或购买后显示
   */
  accent: 'mandarin',

  /**
   * 用于设置后端点检测的静默时间，单位是毫秒。
   * 默认2000（小语种除外，小语种不设置该参数默认为未开启VAD）。
   */
  vad_eos: 3600000,

  /**
   * 动态修正（仅中文普通话支持）
   * - 'wpgs': 开启流式结果返回功能
   */
  dwa: 'wpgs',

  /**
   * 领域个性化参数（仅中文支持）
   * - 'game': 游戏
   * - 'health': 健康
   * - 'shopping': 购物
   * - 'trip': 旅行
   */
  pd: 'game',

  /**
   * 是否开启标点符号添加（仅中文支持）
   * - 1: 开启（默认值）
   * - 0: 关闭
   */
  ptt: 1,

  /**
   * 字体（仅中文支持）
   * - 'zh-cn': 简体中文（默认值）
   * - 'zh-hk': 繁体香港
   */
  rlang: 'zh-cn',

  /**
   * 返回子句结果对应的起始和结束的端点帧偏移值。
   * - 0: 关闭（默认值）
   * - 1: 开启
   */
  vinfo: 0,

  /**
   * 数字格式规则为阿拉伯数字格式（中文普通话和日语支持）
   * - 0: 关闭
   * - 1: 开启（默认值）
   */
  nunum: 1,

  /**
   * speex音频帧长，仅在speex音频时使用
   * - 1: 当speex编码为标准开源speex编码时必须指定
   * - 2: 当speex编码为讯飞定制speex编码时不要设置
   */
  speex_size: 1,

  /**
   * 获取在发音相似时的句子多侯选结果。
   * 取值范围[1,5]，设置多候选会影响性能，响应时间延迟200ms左右。
   */
  nbest: 1,

  /**
   * 获取在发音相似时的词语多侯选结果。
   * 取值范围[1,5]，设置多候选会影响性能，响应时间延迟200ms左右。
   */
  wbest: 1
}

/**
 *
 */
const sectionDelayParams = {

  /**
   * 是否自动控制延迟
   */
  autoControl: true,

  /**
   * 第一次延迟时间
   */
  initialDelay: 3000,

  /**
   * 后续延迟时间
   */
  subsequentDelay: 1000,
}

const latInstance = LatController.create(businesstParams, sectionDelayParams)

可用方法

开始录音

latInstance.start()

智能语音监听

latInstance.watch()

监听浏览器音频输入，当检测到音量大于20%且系统处于离线状态时自动启动录音和识别。

结束录音

latController.finish()

应用钩子

应用钩子事件允许您在特定时刻执行自定义逻辑。

| 钩子名称 | 触发时机 | 描述 | | :---------------- | :--------------------------------- | :----------------------------- | | appFinish | 应用被停止时触发。 | 应用的所有处理器都已停止运行。 | | appResultText | 识别结果事件触发。 | 处理识别到的文本结果。 | | appResponseText | 单词识别触发，也就是应用过程中触发 |

appFinish

当应用的所有处理器完成工作，应用被停止时，此事件被触发：

latInstance.on('appFinish', () => {
  console.log('应用已停止运行，所有处理器均已完成工作。')
})

appResultText

当应用处理并识别出文本结果时，此事件被触发：

latInstance.on('appResultText', () => {
  console.log('应用已输出识别到的文本结果。')
})

appResponseText

当应用过程中触发，也就是应用过程中触发

latInstance.on('appResponseText', () => {
  console.log('应用已输出识别到的文本结果。')
})

注意

本工具库为内部工具库，不负责改BUG，请勿随便下载。