IBM Watson語音到文本在Node.js Web應用程序上進行音頻轉換

Question

問題的要點是IBM Watson Speech to Text僅允許上傳FLAC，WAV和OGG文件格式並與API一起使用。

我的解決方案是，如果用戶上傳mp3，在將文件發送到Watson之前，將發生數據轉換。基本上，用戶上傳一個mp3，然後使用ffmpeg或sox將音頻轉換爲OGG，然後將音頻上傳到Watson。

我不確定的是：爲了允許音頻轉換髮生，我必須在Node.js Watson代碼中修改什麼？下面鏈接是沃森回購這是我正在努力通過。我相信這個文件必須被修改，我已經鏈接了fileupload.js，但是修改的地方是我不確定的。

我已經瀏覽了SO和developerWorks，IBM SO來解答這個問題，但是我還沒有看到任何這是我在這裏發佈的原因。如果有必要，我會很樂意澄清我的問題。

Watson Speech to Text Repo

Answer 1

你試圖使用不MP3文件轉換成OGG的Speech to Text示例應用程序。 src文件夾（其上的fileupload.js）只是在客戶端使用的javascript（感謝Browserify）。

該應用程序基本上使用CORS與API通信瀏覽器，因此音頻從瀏覽器轉到Watson API。

---

如果你想使用ffmpeg或sox的音頻轉換，你需要使用自定義buildpack安裝的依賴，因爲這些模塊具有二進制依賴（在他們的C++代碼） 詹姆斯·托馬斯與SOX一個buildpack上它：https://github.com/jthomas/nodejs-buildpack。 你需要更新你的manifest.yml是這樣的：

memory: 256M 
buildpack: https://github.com/jthomas/nodejs-buildpack.git 
command: npm start 

節點：

var sox = require('sox'); 

var job = sox.transcode('audio.mp3', 'audio.ogg', { 
    sampleRate: 16000, 
    format: 'ogg', 
    channelCount: 2, 
    bitRate: 192 * 1024, 
    compressionQuality: -1 
});