前面了解过纯js实现了录音功能，并也自学了一些关于前端二进制的内容，现在终于可以利用阿里云来实现下智能语音识别的功能了。
一、准备
首先，先登录阿里云官网查看下官方文档（一句话识别），提供了java，c++，ios等，可惜我只会些node啊，所以直接看下restful api，毕竟node也是可以发送http请求的嘛。
功能介绍中阐明了产品的功能，也说明了使用的一些条件，比如POST方式、不超过一分钟，当然重要的还是音频编码格式和音频采样率的限制。这儿我使用PCM格式，和16k的音频采样率。
回看我前面用js实现的录音文件，我们只需要使用他的encodePCM()接口就行了。
二、直接传递二进制
前端部分
html与js
简单的用两个按钮实现开始录音和结束录音，第三个按钮实现上传到服务器翻译的功能，最后页面上设置个div存放翻译的内容。
<input type="button" value="开启" onClick="startRecord()" /> <input type="button" value="停止" onClick="endRecord()" /> <input type="button" value="上传翻译" onClick="transRecord()" /> <div id="Box"></div>
js部分的话，引入recorder.js文件（在纯js实现录音与播放里有）。全局定义了两个变量，一个是对div的引用和录音对象的引用。
var oDiv = document.getElementById('Box'),recoder = null;首先看下开始录音的函数，
function startRecord() {
if (!recorder) {
recorder = new Recorder({
sampleRate: 16000 // 阿里云要求16000的采样率
});
}
recorder.start();
}停止比较简单，只需要调用对应的stop()接口就行了，
function endRecord (e) {
recorder && recoder.stop();
}将得到的blob数据放在formdata中，以post的方式发送给后端，content-type得设置成multipart/form-data。
function transRecord (e) {
let pcm = recorder.getPCMBlob(),formdata = new FormData();
formdata.append('file',pcm);
fetch('/speech',{
method: 'POST',credentials: 'include',headers: {
'Content-Type': 'multipart/form-data'
},body: formdata
}).then(function(response) {
console.log(response);
});
}后端node部分
简单模拟下后端的处理，此处用到了@alicloud/pop-core和request依赖。
先引入需要使用的全局变量，
var http = require('http'),fs = require('fs'),ROAClient = require('@alicloud/pop-core').ROAClient,request = require('request');
http.createServer(function(req,res) {
// .... do something
}).listen(8080);监听好8080端口后，我们开始后台的逻辑吧，首先先处理下默认的index页面和recorder.js的加载问题，首先是处理index.html的请求：
if (req.url == '/' && req.method.toLowerCase() == 'get') {
res.writeHead(200,{'content-type': 'text/html'});
fs.readFile('index.html',function(err,data){
if (err) {
console.log('error');
} else {
res.end(data);
}
});
}然后是recorder.js文件的处理，和html相同，
if (req.url == '/recorder.js' && req.method.toLowerCase() ==' get') {
res.writeHead(200,{'content-type':'text/html'});
fs.readFile('recorder.js',data){
if (err) {
console.log('error');
} else {
res.end(data);
}
});
}静态页面都处理好了，下面要去处理语音请求了，
if (req.url == '/speech' && req.method.toLowerCase() == 'post') {
// 缓存二进制数据
var data = [];
req.on('data',function(chunk) {
data.push(chunk);
}).on('end',function() {
var buffer = Buffer.concat(data);
// .... 继续去处理二进制数据
});
}此时，data中就保存了前端传来的二进制数据，只要将这个数据发送到阿里服务器上识别就行了。
token获取
由于官方文档上说到http请求头中的X-NLS-Token值是要额外去获取的，所以，先请求实现获取token令牌。
获取访问令牌中，直接看下node版的demo，是需要安装个@alicloud/pop-core依赖的，所以先用npm装好。再将其demo拷贝出来，由于请求需要access-key-id和access-key-secret，所以我们再去创建下应用。创建应用的话，官方操作手册可以查看：管理项目。将创建好的access-key-id和access-key-secret填入到对应的字段内。这个token是带超时的，应该有更好的保管方式而不是每次都是去请求。
var client = new ROAClient({
accessKeyId:'LTAIeUTLr12sCAgM',accessKeySecret:'bHgMr4oLJjegKswB8Usy72zh87HHJI',endpoint:'http://nls-Meta.cn-shanghai.aliyuncs.com',apiVersion:'2018-05-18'
});
client.request('POST','/pop/2018-05-18/tokens').then((result) => {
console.log('tokenId',result.Token.Id);
// 获取到token后再去发送录音数据
// ....
});录音数据识别
还差最后一步发送录音文件到阿里就可以识别录音文件啦。查看官方文档，文档非常详细，我们需要设置3个（appkey、format、sample_rate）必选参数，并且http头中也要设置4个必填的参数。
组装好options等待赋值token值，
const options = {
url: 'http://nls-gateway.cn-shanghai.aliyuncs.com/stream/v1/asr?appkey=UL9Xm7wmBiTa2YmW&sample_rate=16000&format=pcm',method: 'POST',headers: {
'X-NLS-Token':'','Content-Type': 'application/octet-stream','Content-Length': dataBuffer.byteLength,'Host': 'nls-gateway.cn-shanghai.aliyuncs.com'
},body: dataBuffer
};修改刚才获取token的地方，将输入token的语句替换为：
options.headers['X-NLS-Token'] = result.Token.Id;
request(options,function(error,response,body) {
if (error) {
return console.error('upload Failed:',error);
}
console.log('Upload successful! Server responded with:',body);
// 将检测的结果发送给客户端
res.writeHead(200,{'Content-Type': 'application/json;charset=utf-8'});
res.end(body);
});这下就可以开始愉快地玩耍语音啦，后面有详细代码的地址。
三、转base64后发送
查询到二进制数据可以转成base64后，放在json中发送给后端。于是便尝试了一把。
前端部分
修改下transRecord函数，将blob转成base64格式，
function transRecord (e) {
let pcm = recoder.encodePCM();
blobToDataURL(pcm,function(base) {
fetch("/speech",{
method: "POST",headers: {
'Content-Type': 'application/json'
},body: JSON.stringify({
data: base
})
}).then(function(response) {
return response.json();
}).then(function(data) {
oDiv.innerText = data.data.result;
});
});
}
// blob转base64
function blobToDataURL(blob,callback) {
let a = new FileReader();
a.onload = function (e) {
callback(e.target.result);
}
a.readAsDataURL(blob);
}node部分
唯一不同地是接收数据，只需要将接受流文件地地方修改成取对象值地方式就行了，
var data = req.body,dataBuffer = newBuffer(data.data,'base64');
当然这么做还会遇到一个问题，当录音时间稍微长些时，就会出现413错误。
网上也是有处理的方式，当然并不推荐这么处理，毕竟好好的数据可以直接发送给后端，还得编码一次，再让后端解码一次，实在时浪费性能。这么处理下，只是为了证明二进制可以编码成base64的字符串，并以json的格式发送给后端。
整个实例的话，可以查看基于阿里云实现简单的语音识别功能(node)。
