bumblebee-hotword-node热词触发失败问题求助

核心排查方向：音频格式匹配与流处理 #

1. 修正Discord音频输入格式参数 #

Discord的语音流实际是48kHz、16位立体声（s16le），你的converter.js中默认输入采样率写为44100，这会导致FFmpeg解码错误，输出失真音频。修改inputArray的默认值：

function createConverter(
  stream,
  // 修正采样率为48000，匹配Discord实际流格式
  inputArray = ["-f s16le", "-ac 2", "-ar 48000"],
  outputArray = ["-ac 1", "-ar 16000"],
  formatType = "s16le"
) {
  // ... 原有代码
}

2. 验证转换后的音频有效性 #

将转换后的流保存为文件，用Audacity等工具检查参数是否符合要求（16kHz、单声道、16位PCM）：

const fs = require('fs');
const testStream = createConverter(listenStream, ["-f s16le", "-ac 2", "-ar 48000"], ["-ac 1", "-ar 16000"], 'wav');
testStream.pipe(fs.createWriteStream('test_audio.wav'));

播放该文件，确认你的声音清晰无杂音、速度正常——如果音频失真，Porcupine绝对无法识别热词。

3. 确认Bumblebee/Porcupine的参数匹配 #

• 确保使用的热词模型是16kHz采样率版本（默认的"bumblebee"模型符合要求，但自定义模型需对应）
• 检查Bumblebee初始化时是否指定了正确的采样率：

// 在VoiceRecognitionService内部确认初始化逻辑
const bumblebee = new BumbleBee({
  sampleRate: 16000, // 必须与转换后的流一致
  // 其他配置...
});

4. 处理音频流的帧对齐问题 #

Porcupine要求输入固定大小的音频帧（16kHz、16位单声道下，每帧为640字节，对应20ms音频）。如果流的chunk大小不匹配，需手动缓冲分割：

let audioBuffer = Buffer.alloc(0);
const FRAME_SIZE = 640; // 16000Hz * 2字节/采样 * 1声道 * 0.02秒

voiceRecorderStream.on('data', (chunk) => {
  audioBuffer = Buffer.concat([audioBuffer, chunk]);
  
  while (audioBuffer.length >= FRAME_SIZE) {
    const frame = audioBuffer.slice(0, FRAME_SIZE);
    audioBuffer = audioBuffer.slice(FRAME_SIZE);
    // 手动将帧传给Bumblebee处理
    bumblebee.process(frame);
  }
});

如果VoiceRecognitionService内部已处理帧分割，需确认其逻辑是否正确生成了符合要求的帧。

5. 检查麦克风输入音量 #

低音量会导致Porcupine识别失败：

• 在Discord设置中测试麦克风音量，确保说话时音量条明显波动
• 调整系统麦克风增益，保证转换后的音频文件中你的声音清晰响亮

内容的提问来源于stack exchange，提问作者Jack blundell