Flutter/Django中AAC/ADTS转WAV实现语音转文本方案咨询

一、前端还是后端转换？ #

优先推荐后端转换，理由： #

• 前端无需额外开发音频转换逻辑，降低App复杂度，规避不同设备的音频处理兼容性差异
• 避免转换后的WAV文件（体积远大于AAC）占用过多用户流量
• 后端服务器性能更稳定，处理音频转换的效率和容错性更高

前端转换适用场景： #

• 后端服务器资源紧张，需要分散计算压力
• 目标用户设备性能较好，且对流量消耗不敏感

二、后端转换实现（Django） #

依赖工具与库 #

• 安装ffmpeg（跨平台音频处理工具，是pydub的依赖）
• Python库：pydub（简化音频格式转换的封装库）

步骤与代码修改 #

1. 安装依赖：

   # Ubuntu/Debian系统安装ffmpeg，其他系统自行调整安装方式
   sudo apt-get install ffmpeg
   # 安装pydub
   pip install pydub
   

2. 修改语音转文本接口，添加格式转换逻辑：

   from pydub import AudioSegment
   import io
   from speech_recognition import Recognizer, AudioFile, UnknownValueError, RequestError
   
   @api_view(['GET'])
   def speech_to_text(request):
       conn = mongo_conn()
       audio_file_ID = request.GET['AudioFileID']
       audio_file = download_audio(conn, audio_file_ID)  # 假设返回的是AAC格式字节数据
   
       # 将AAC转换为WAV格式
       try:
           # 读取字节流中的AAC音频
           aac_audio = AudioSegment.from_file(io.BytesIO(audio_file), format="aac")
           # 导出为WAV字节流
           wav_io = io.BytesIO()
           aac_audio.export(wav_io, format="wav")
           wav_io.seek(0)  # 重置文件指针到起始位置
       except Exception as e:
           return JsonResponse({'error': f'音频转换失败: {str(e)}'}, status=400)
   
       r = Recognizer()
       with AudioFile(wav_io) as source:
           audio_data = r.record(source)
           try:
               text = r.recognize_google(audio_data)
               return JsonResponse({'text': text}, safe=False)
           except UnknownValueError:
               return JsonResponse({'error': '无法识别音频内容'}, status=400)
           except RequestError as e:
               return JsonResponse({'error': f'语音识别服务请求失败: {str(e)}'}, status=500)
   

三、前端转换实现（Flutter） #

依赖库 #

• ffmpeg_kit_flutter：Flutter平台的FFmpeg封装库，支持音频格式转换
• path_provider：用于获取本地文件路径

步骤与代码修改 #

1. 添加依赖到pubspec.yaml：

   dependencies:
     ffmpeg_kit_flutter: ^4.5.1
     path_provider: ^2.1.1
   

2. 修改录音停止后的逻辑，添加格式转换：

   import 'package:ffmpeg_kit_flutter/ffmpeg_kit.dart';
   import 'package:ffmpeg_kit_flutter/return_code.dart';
   import 'package:path_provider/path_provider.dart';
   
   Future stopRecorder() async {
       final filePath = await recorder.stopRecorder();
       final aacFile = File(filePath!);
       print('录制的AAC文件路径: $filePath');
   
       // 生成WAV文件保存路径
       Directory? dir = await getExternalStorageDirectory();
       final wavFilePath = "${dir!.path}/audio.wav";
   
       // 执行FFmpeg转换命令：将AAC转为单声道、16kHz采样率的WAV（适配语音识别）
       final session = await FFmpegKit.execute(
           "-i ${aacFile.path} -acodec pcm_s16le -ar 16000 -ac 1 ${wavFilePath}"
       );
   
       final returnCode = await session.getReturnCode();
       if (ReturnCode.isSuccess(returnCode)) {
           final wavFile = File(wavFilePath);
           uploadAudio(wavFile); // 上传转换后的WAV文件
           print('转换后的WAV文件路径: $wavFilePath');
       } else {
           // 转换失败时，可选择上传原AAC文件让后端处理，或提示用户
           print('音频转换失败，上传原AAC文件');
           uploadAudio(aacFile);
       }
   
       setState(() {
           isRecording = false;
           audioFile = File(wavFilePath); // 根据转换结果调整赋值
       });
   }
   

内容的提问来源于stack exchange，提问作者Femn Dharamshi