Node.js如何将multer上传的wav音频传递给Python脚本实现语音识别

你可以直接将multer存储的音频文件路径传递给Python脚本，配合你现有代码的stdin读取逻辑即可完成调用，具体实现如下：

Node.js 端核心代码 #

你需要在上传路由中通过child_process.spawn启动Python子进程，将文件路径序列化后传入stdin：

const { spawn } = require('child_process');
const path = require('path');
// 其他express、multer的配置保持你现有逻辑不变

app.post('/upload', upload.single('file'), (req, res) => {
  // 转换为绝对路径，避免Python读取相对路径失败
  const audioFilePath = path.resolve(__dirname, req.file.path);
  
  // 启动Python子进程，注意本地Python命令如果是python3需对应修改
  const pyProcess = spawn('python', ['你的ASR脚本文件路径.py']);

  // 向Python stdin写入序列化后的路径
  pyProcess.stdin.write(JSON.stringify(audioFilePath));
  pyProcess.stdin.end();

  let asrResult = '';
  let errLog = '';

  // 接收Python输出的识别结果
  pyProcess.stdout.on('data', data => {
    asrResult += data.toString();
  });

  // 接收Python错误输出
  pyProcess.stderr.on('data', data => {
    errLog += data.toString();
  });

  // 子进程退出后返回结果给前端
  pyProcess.on('close', code => {
    if (code !== 0) {
      return res.status(500).json({ success: false, error: errLog || '识别进程异常' });
    }
    res.json({ success: true, result: asrResult.trim() });
  });
});

Python 脚本调整 #

你现有脚本缺少执行入口，需要在末尾添加启动逻辑，修改后完整代码如下：

import speech_recognition as sr
import sys, json

def read_in():
  lines = sys.stdin.readlines()
  return json.loads(lines[0])

def main():
  audio_path = read_in()
  r = sr.Recognizer()
  with sr.AudioFile(audio_path) as source:
    audio_text = r.listen(source)
    try:
        text = r.recognize_google(audio_text)
        print(text)
    except Exception as e:
        print(f'Error Occurred: {str(e)}')

# 新增执行入口
if __name__ == "__main__":
    main()

注意事项 #

• 确保运行环境已安装Python依赖：执行pip install SpeechRecognition pyaudio即可，Windows环境如果安装pyaudio失败可下载对应版本的whl包本地安装
• 识别完成后如果不需要保留音频文件，可新增逻辑删除public目录下的临时文件，避免占用磁盘空间
• 如果是Linux/macOS环境，Python命令默认是python3，需把spawn的第一个参数对应改为python3

内容的提问来源于stack exchange，提问作者Shivam Raina