想搞个百度语音识别玩玩，但人家要固定格式的音频(关于百度语音识别的请查看官方文档——百度语音识别SDK)，于是就上网找呀找呀，结果转出来的要不就是听不了损坏了，要不就是不能给百度识别就是说转的格式不正确。后来看到一篇国外的解决方案终于搞定。废话不多说，先把完整代码弄上来，然后在废话吧。

代码

import java.io.ByteArrayInputStream;

import java.io.ByteArrayOutputStream;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.IOException;

import javax.sound.sampled.AudioFileFormat;

import javax.sound.sampled.AudioFormat;

import javax.sound.sampled.AudioInputStream;

import javax.sound.sampled.AudioSystem;

import javax.sound.sampled.UnsupportedAudioFileException;

import org.json.JSONObject;

import com.baidu.aip.speech.AipSpeech;

public class MP3ToWav {

/**

* mp3的字节数组生成wav文件

* @param sourceBytes

* @param targetPath

*/

public static boolean byteToWav(byte[] sourceBytes, String targetPath) {

if (sourceBytes == null || sourceBytes.length == 0) {

System.out.println("Illegal Argument passed to this method");

return false;

}

try (final ByteArrayInputStream bais = new ByteArrayInputStream(sourceBytes); final AudioInputStream sourceAIS = AudioSystem.getAudioInputStream(bais)) {

AudioFormat sourceFormat = sourceAIS.getFormat();

// 设置MP3的语音格式,并设置16bit

AudioFormat mp3tFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, sourceFormat.getSampleRate(), 16, sourceFormat.getChannels(), sourceFormat.getChannels() * 2, sourceFormat.getSampleRate(), false);

// 设置百度语音识别的音频格式

AudioFormat pcmFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, 16000, 16, 1, 2, 16000, false);

try (

// 先通过MP3转一次，使音频流能的格式完整

final AudioInputStream mp3AIS = AudioSystem.getAudioInputStream(mp3tFormat, sourceAIS);

// 转成百度需要的流

final AudioInputStream pcmAIS = AudioSystem.getAudioInputStream(pcmFormat, mp3AIS)) {

// 根据路径生成wav文件

AudioSystem.write(pcmAIS, AudioFileFormat.Type.WAVE, new File(targetPath));

}

return true;

} catch (IOException e) {

System.out.println("文件转换异常：" + e.getMessage());

return false;

} catch (UnsupportedAudioFileException e) {

System.out.println("文件转换异常：" + e.getMessage());

return false;

}

}

/**

* 将文件转成字节流

* @param filePath

* @return

*/

private static byte[] getBytes(String filePath) {

byte[] buffer = null;

try {

File file = new File(filePath);

FileInputStream fis = new FileInputStream(file);

ByteArrayOutputStream bos = new ByteArrayOutputStream(1000);

byte[] b = new byte[1000];

int n;

while ((n = fis.read(b)) != -1) {

bos.write(b, 0, n);

}

fis.close();

bos.close();

buffer = bos.toByteArray();

} catch (FileNotFoundException e) {

e.printStackTrace();

} catch (IOException e) {

e.printStackTrace();

}

return buffer;

}

public static void main(String args[]) {

String filePath = "E:/data/storage/public/1111.mp3";

String targetPath = "E:/data/storage/public/2222.wav";

byteToWav(getBytes(filePath), targetPath);

AipSpeech client = new AipSpeech("XXXXXX", "XXXXXXXX", "XXXXXXXX");

JSONObject asrRes = client.asr(targetPath, "wav", 16000, null);

System.out.println(asrRes);

System.out.println(asrRes.get("result"));

}

}

唠嗑

看代码就知道这里引得jar都是jdk里面的，不用另外找，网上的方法就是要下其余jar麻烦。。。另外还有json和百度的其实就是语音识别要用而已。顺便将maven地址放上来

com.baidu.aip

java-sdk

4.4.0

要注意的是这里用到jdk7的特性，就是将资源流使用完之后自己关闭并捕获，(以前我也不知道有这样的特性【遮脸！！】)

try (final ByteArrayInputStream bais = new ByteArrayInputStream(sourceBytes); final AudioInputStream sourceAIS = AudioSystem.getAudioInputStream(bais)) {

//一些处理...

}

这里设置了两个格式转换，下面也进行了两次格式转换，为什么呢？本来就是MP3了呀，还要转成MP3???

其实这里就是一个坑

// 设置MP3的语音格式,并设置16bit

AudioFormat mp3tFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, sourceFormat.getSampleRate(), 16, sourceFormat.getChannels(), sourceFormat.getChannels() * 2, sourceFormat.getSampleRate(), false);

// 设置百度语音识别的音频格式

AudioFormat pcmFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, 16000, 16, 1, 2, 16000, false);

这里的sourceFormat 在debug下，可以看到有这么两句unknown bits per sample, unknown frame size，所以跨格式转换的时候就会出错，但只转回自己就没问题(上面格式的16和sourceFormat.getChannels() * 2，就是对应的格式)。经过一次转换之后，音频流的格式信息就完整了，最后才能成功转为wav.

AudioFormat sourceFormat = sourceAIS.getFormat();

//sourceFormat

//MPEG2L3 22050.0 Hz, unknown bits per sample, mono, unknown frame size, 38.28125 frames/second,