Selenium项目中如何用指定音频文件替代麦克风输入？

要实现让Selenium控制的浏览器调用麦克风时读取指定音频文件而非实时语音，最直接的方案是利用Chrome浏览器的内置模拟参数，以下是具体实现步骤：

1. 准备合规的音频文件 #

网站的语音识别服务通常要求音频为PCM 16位、单声道、16000Hz采样率的WAV文件。如果你的音频格式不符，可以用ffmpeg转换：

ffmpeg -i input.mp3 -acodec pcm_s16le -ar 16000 -ac 1 output.wav

2. 配置Chrome启动参数 #

通过ChromeOptions添加三个核心参数，强制浏览器使用假媒体设备并加载指定音频文件：

• --use-fake-device-for-media-stream：启用假的音频/视频设备
• --use-fake-ui-for-media-stream：自动跳过媒体权限请求弹窗
• --use-file-for-fake-audio-capture：指定要模拟的音频文件绝对路径

3. 编写Selenium代码（Python示例） #

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By

# 配置Chrome选项
chrome_options = Options()
chrome_options.add_argument("--use-fake-device-for-media-stream")
chrome_options.add_argument("--use-fake-ui-for-media-stream")
# 替换为你的音频文件绝对路径
chrome_options.add_argument("--use-file-for-fake-audio-capture=/Users/yourname/audio/test.wav")

# 初始化驱动
driver = webdriver.Chrome(options=chrome_options)

# 打开目标网站
driver.get("https://your-target-site.com")

# 触发网站的麦克风调用逻辑（根据实际页面元素调整）
mic_trigger = driver.find_element(By.CSS_SELECTOR, ".mic-button-class")
mic_trigger.click()

# 等待音频识别完成（按需调整等待时间）
driver.implicitly_wait(15)

# 后续业务操作...
# driver.quit()

注意事项 #

• 音频文件必须用绝对路径，Windows系统路径需用C:/path/to/file.wav或C:\\path\\to\\file.wav
• Firefox的模拟支持有限，无法直接指定音频文件，建议优先使用Chrome
• 确保目标网站使用标准的MediaDevices.getUserMedia() API调用麦克风，否则可能无法适配
• 若需切换音频文件，需重启浏览器实例，单实例内替换文件后需重新加载页面才会生效

内容的提问来源于stack exchange，提问作者Martin Lackington