在 Chrome 中使用 JavaScript 将音频录制为 .wav

Question

我正在构建一个网页，该网页记录来自用户设备的音频并将其发送到 Microsoft 的认知语音服务以进行语音到文本的转换。到目前为止，我已经能够创建和播放用 JavaScript 制作的 .ogg 文件，但我需要获取 .wav 格式的文件。

无法依赖 Blob 类型 audio/wav，因为并非所有浏览器都支持它（至少我的浏览器不支持）。 Blob 被发送到 Django 服务器并由其存储。当我尝试使用 PySoundFile 打开这些文件时，我收到一条错误消息 File contains data in an unknown format。正在使用 new Blob(chunks, { type: 'audio/ogg; codecs=opus' }) 创建 blob，并使用 django.db.FileField 保存。 Blob 块来自MediaRecorder.ondataavailable。

更新： 我放弃了使用MediaRecorder，而是选择了ScriptProcessorNode。同样，Firefox 可以工作，但 Chrome 不能。似乎 Chrome 在音频的末尾得到了一小部分，并在音频的长度上重复了这一点。这是我使用的代码，它基于 Matt Diamond 在github.com/mattdiamond/Recorderjs 的工作。可以在webaudiodemos.appspot.com/AudioRecorder/index.html 看到使用他的作品的演示，它适用于我的 Firefox 和 Chrome。另外，我的原始代码在一个类中，但我不想包含整个类。如果我在翻译中出现任何语法错误，我深表歉意。

let recBuffers = [[], []];
let recLength = 0;
let numChannels = 2;
let listening = false;
let timeout = null;
let constraints = {
    audio: true
};
let failedToGetUserMedia = false;

if (navigator.getUserMedia) {
    navigator.getUserMedia(constraints, (stream) => {
        init(stream);
    }, (err) => {
        alert('Unable to access audio.\n\n' + err);
        console.log('The following error occurred: ' + err);
        failedToGetUserMedia = true;
    });
}
else if (navigator.mediaDevices.getUserMedia) {
    navigator.mediaDevices.getUserMedia(constraints).then((stream) => {
        init(stream);
    }).catch((err) => {
        alert('Unable to access audio.\n\n' + err);
        console.log('The following error occurred: ' + err);
        failedToGetUserMedia = true;
    });
}
else failedToGetUserMedia = true;

function beginRecording() {
    recBuffers = [[], []];
    recLength = 0;
    listening = true;
    timeout = setTimeout(() => {
        endRecording();
    }, maxTime);
}

function endRecording() {
    clearTimeout(timeout);
    timeout = null;
    exportWAV();
}

function init(stream) {
    let audioContext = new AudioContext();
    let source = audioContext.createMediaStreamSource(stream);
    let context = source.context;
    let node = (context.createScriptProcessor || context.createJavaScriptNode).call(context, 4096, numChannels, numChannels);
    node.onaudioprocess = (e) => {
        if (!listening) return;

        for (var i = 0; i < numChannels; i++) {
            recBuffers[i].push(e.inputBuffer.getChannelData(i));
        }

        recLength += recBuffers[0][0].length;
    }
    source.connect(node);
    node.connect(context.destination);
}

function mergeBuffers(buffers, len) {
    let result = new Float32Array(len);
    let offset = 0;
    for (var i = 0; i < buffers.length; i++) {
        result.set(buffers[i], offset);
        offset += buffers[i].length;
    }
    return result;
}

function interleave(inputL, inputR) {
    let len = inputL.length + inputR.length;
    let result = new Float32Array(len);

    let index = 0;
    let inputIndex = 0;

    while (index < len) {
        result[index++] = inputL[inputIndex];
        result[index++] = inputR[inputIndex];
        inputIndex++;
    }

    return result;
}

function exportWAV() {
    let buffers = [];
    for (var i = 0; i < numChannels; i++) {
        buffers.push(mergeBuffers(recBuffers[i], recLength));
    }

    let interleaved = numChannels == 2 ? interleave(buffers[0], buffers[1]) : buffers[0];
    let dataView = encodeWAV(interleaved);
    let blob = new Blob([ dataView ], { type: 'audio/wav' });
    blob.name = Math.floor((new Date()).getTime() / 1000) + '.wav';

    listening = false;

    return blob;
}

function floatTo16BitPCM(output, offset, input){
    for (var i = 0; i < input.length; i++, offset+=2){
        var s = Math.max(-1, Math.min(1, input[i]));
        output.setInt16(offset, s < 0 ? s * 0x8000 : s * 0x7FFF, true);
    }
}

function writeString(view, offset, string){
    for (var i = 0; i < string.length; i++) {
        view.setUint8(offset + i, string.charCodeAt(i));
    }
}

function encodeWAV(samples){
    var buffer = new ArrayBuffer(44 + samples.length * 2);
    var view = new DataView(buffer);

    /* RIFF identifier */
    writeString(view, 0, 'RIFF');
    /* file length */
    view.setUint32(4, 36 + samples.length * 2, true);
    /* RIFF type */
    writeString(view, 8, 'WAVE');
    /* format chunk identifier */
    writeString(view, 12, 'fmt ');
    /* format chunk length */
    view.setUint32(16, 16, true);
    /* sample format (raw) */
    view.setUint16(20, 1, true);
    /* channel count */
    view.setUint16(22, numChannels, true);
    /* sample rate */
    view.setUint32(24, context.sampleRate, true);
    /* byte rate (sample rate * block align) */
    view.setUint32(28, context.sampleRate * 4, true);
    /* block align (channel count * bytes per sample) */
    view.setUint16(32, numChannels * 2, true);
    /* bits per sample */
    view.setUint16(34, 16, true);
    /* data chunk identifier */
    writeString(view, 36, 'data');
    /* data chunk length */
    view.setUint32(40, samples.length * 2, true);

    floatTo16BitPCM(view, 44, samples);

    return view;
}

if (!failedToGetUserMedia) beginRecording();

更新： 我已经确认，当 Chrome 缓冲区的值作为 Firefox 上交错的输入提供时，输出与 Chrome 的输出相同。这表明 Chrome 没有用正确的值填充 recBuffers。事实上，当我查看 Chrome 上的 recBuffers 时，每个通道都充满了交替列表。例如：

recBuffers = [[
    [2, 3],
    [7, 1],
    [2, 3],
    [7, 1],
    [2, 3],
    [7, 1],
    [2, 3],
    [7, 1],
    [2, 3],
    [7, 1]
], [
    [5, 4],
    [6, 8],
    [5, 4],
    [6, 8],
    [5, 4],
    [6, 8],
    [5, 4],
    [6, 8],
    [5, 4],
    [6, 8]
]]

当然，实际值不同。这只是一个例子来说明这一点。

Answer 1

最初，我使用 MediaRecorder 来获取音频并从所述音频中创建一个类型为 audio/wav 的 Blob。这在 Chrome 中不起作用，但在 Firefox 中。我放弃了，开始使用 ScriptProcessorNode。同样，它适用于 Firefox，但不适用于 Chrome。经过一些调试，很明显在 Chrome 上，recBuffers 被交替列表填充。我仍然不确定为什么会发生这种情况，但我的猜测是类似于范围或缓存，因为传播语法解决了它。将 onaudioprocess 中的一行从 this.recBuffers[i].push(e.inputBuffer.getChannelData(i)); 更改为 this.recBuffers[i].push([...e.inputBuffer.getChannelData(i)]); 有效。