引言

在与实现了语音合成、语义分析、机器翻译等算法的后端交互时，页面可以设计成更为人性化、亲切的方式。我们采用类似于聊天对话的实现，效果如下：

• 智能客服（输入文本，返回引擎处理后的文本结果）

• 语音合成（输入文本，返回文本以及合成的音频）
  
  
  
  如上图所示，返回文本后，再返回合成出的音频。
  
  音频按钮嵌在对话气泡中，可以点击播放。

• 语音识别（在页面录制语音发送，页面实时展示识别出的文本结果）
  
  

实现功能及技术要点

1、基于WebSocket实现对话流

页面与后端的交互是实时互动的，所以采用WebSocket协议，而不是HTTP请求，这样后端推送回的消息可以实时显示在页面上。

WebSocket的返回是队列的、无序的，在后续处理中我们也需要注意这一点，在后文中会说到。

2、调用设备麦克风进行音频录制和转码加头，基于WebAudio、WaveSurferJS等实现音频处理和绘制

3、基于Vue的响应式页面实现

4、CSS3 + Canvas + JS 交互效果优化

• 录制音频CSS动画效果
• 聊天记录自动滚动
  
  下面给出部分实现代码。

集成WebSocket

我们的聊天组件是页面侧边打开的抽屉（el-drawer），Vue组件会在打开时创建，关闭时销毁。在组件中引入WebSocket，并管理它的开、关、消息接收和发送，使它的生命周期与组件一致（打开窗口时创建ws连接，关闭窗口时关闭连接，避免与后台连接过多。）

created(){

   if (typeof WebSocket === 'undefined') {

      alert('您的浏览器不支持socket')

    } else {

      // 实例化socket

      this.socket = new WebSocket(this.socketServerPath)

      // 监听socket连接

      this.socket.onopen = this.open

      // 监听socket错误信息

      this.socket.onerror = this.error

      // 监听socket消息

      this.socket.onmessage = this.onMessage

      this.socket.onclose = this.close

    }

}

destroyed(){

  this.socket.close()

}

如上，将WebSocket的事件绑定到JS方法中，可以在对应方法中实现对数据的接收和发送。

打开浏览器控制台，选中指定的标签，便于对WebSocket连接进行监控和查看。

音频录制采集

从浏览器端音频和视频采集基于网页即时通信（Web Real-Time

Communication，简称WebRTC） 的API。通过WebRTC的getUserMedia实现，获取一个MediaStream对象，将该对象关联到AudioContext即可获得音频。

可参考RecorderJS的实现： https://github.com/mattdiamond/Recorderjs/blob/master/examples/example_simple_exportwav.html

if (navigator.getUserMedia) {

      navigator.getUserMedia(

        { audio: true }, // 只启用音频

        function(stream) {

          var context = new(window.webkitAudioContext || window.AudioContext)()

          var audioInput = context.createMediaStreamSource(stream)

          var recorder = new Recorder(audioInput)

        },

        function(error) {

          switch (error.code || error.name) {

            case 'PERMISSION_DENIED':

            case 'PermissionDeniedError':

              throwError('用户拒绝提供信息。')

              break

            case 'NOT_SUPPORTED_ERROR':

            case 'NotSupportedError':

              throwError('浏览器不支持硬件设备。')

              break

            case 'MANDATORY_UNSATISFIED_ERROR':

            case 'MandatoryUnsatisfiedError':

              throwError('无法发现指定的硬件设备。')

              break

            default:

              throwError('无法打开麦克风。异常信息:' + (error.code || error.name))

              break

          }

        }

      )

    } else {

      throwError('当前浏览器不支持录音功能。')

    }

注意： 若navigator.getUserMedia获取到的是undefined，是Chrome浏览器的安全策略导致的，需要通过https请求或配置浏览器，配置地址： chrome://flags/#unsafely-treat-insecure-origin-as-secure

浏览器采集到的音频为PCM格式(PCM （脉冲编码调制 Pulse Code Modulation）)，需要对音频加头才能在页面上进行播放。注意加头时采样率、采样频率、声道数量等必须与采样时相同，不然加完头后的音频无法解码。参考查看https://github.com/mattdiamond/Recorderjs/blob/master/src/recorder.js中exportWav方法。

业务中对接的语音识别引擎为实时转写引擎，即：不是录制完成后再发送，而是一边录制一边进行编码并发送。

使用onaudioprocess方法监听语音的输入：

参考这个实现，我们可以在每次监听到有数据写入时，从buffer中获取到录制到的数据，并进行编码、压缩，再通过WebSocket发送。

Vue组件设计和业务实现

分析页面业务逻辑，将代码拆分成两个组件：

ChatDialog.vue 聊天对话框页面，根据输入类型，分为文本输入、语音输入。

ChatRecord.vue聊天记录组件，根据发送方（自己或者系统）展示向左/向右的气泡，根据内容显示文本、音频等。ChatDialog是ChatRecord的父组件，遍历ChatDialog中的chatList对象（Array），将chatList中的项注入到ChatRecord中。

<div class="chat-list">

            <div v-for="(item,index) in chatList" :key="index" class="msg-wrapper">

                <chat-record ref="chatRecord" :data="item" @showJson="showJsonDialog"></chat-record>

            </div>

            <div id="msg_end" style="height:0px; overflow:hidden"></div>

        </div>

</div>

对于聊天记录的气泡展示，与数据类型相关性很强，ChatRecord组件只关心对数据的处理和展示，我们可以完全不用关心消息的发送、接收、音频的录制、停止录制、接受音频等逻辑，只需要根据数据来展示不同的样式即可。

这样Vue的响应式就充分获得了用武之地：无需用代码对样式展示进行控制，只需要设计合理的数据格式和样式模板，然后注入不同的数据即可。

模板页面： 使用v-if控制，修改chatList里的对象内容即可改变页面展示。

根据业务需求，将ChatRecord可能接收到的数据分为以下几类：

发送方为自己：

• 文本输入，显示文本
  
  实现简单，不做赘述。
• 语音输入 Loading状态，显示波纹动画和计时
  
  
  
  该动画使用CSS实现，参考地址： https://www.cnblogs.com/lhb25/p/loading-spinners-animated-with-css3.html

计时器使用JS的setInterval方法，每100ms更新一次录制时长

 this.recordTimer = setInterval(() => {

        this.audioDuration = this.audioDuration + 0.1

      }, 100)

停止后清空计时器：

 clearInterval(this.recordTimer)

• 语音输入完毕，根据录制的语音，绘制波纹
  
  效果：
  
  

使用wavesurfer插件:

 initWaveSurfer() {

      this.$nextTick(() => {

        this.wavesurfer = WaveSurfer.create({

          container: this.$refs.waveform,

          height: 20,

          waveColor: '#3d6fff',

          progressColor: 'blue',

          backend: 'MediaElement',

          mediaControls: false,

          audioRate: '1',

          fillParent: false,

          maxCanvasWidth: 500,

          barWidth: 1,

          barGap: 2,

          barHeight: 5,

          barMinHeight: 3,

          normalize: true,

          cursorColor: '#409EFF'

        })

        this.convertAudioToUrl(this.waveAudio).then((res) => {

          this.wavesurfer.load(res)

          setTimeout(() => {

            this.audioDuration = this.getAudioDuration()

          }, 100)

        })

      })

    },

   // 将音频转化成url地址

    convertAudioToUrl(audio) {

      let blobUrl = ''

      if (this.data.sendBy === 'self') {

        blobUrl = window.URL.createObjectURL(audio)

        return new Promise((resolve) => {

          resolve(blobUrl)

        })

      } else {

        return this.base64ToBlob({

          b64data: audio,

          contentType: 'audio/wav'

        })

      }

    },

    base64ToBlob({ b64data = '', contentType = '', sliceSize = 512 } = {}) {

      return new Promise((resolve, reject) => {

        // 使用 atob() 方法将数据解码

        let byteCharacters = atob(b64data)

        let byteArrays = []

        for (

          let offset = 0;

          offset < byteCharacters.length;

          offset += sliceSize

        ) {

          let slice = byteCharacters.slice(offset, offset + sliceSize)

          let byteNumbers = []

          for (let i = 0; i < slice.length; i++) {

            byteNumbers.push(slice.charCodeAt(i))

          }

          // 8 位无符号整数值的类型化数组。内容将初始化为 0。

          // 如果无法分配请求数目的字节，则将引发异常。

          byteArrays.push(new Uint8Array(byteNumbers))

        }

        let result = new Blob(byteArrays, {

          type: contentType

        })

        result = Object.assign(result, {

          // 这里一定要处理一下 URL.createObjectURL

          preview: URL.createObjectURL(result),

          name: `XXX.wav`

        })

        resolve(window.URL.createObjectURL(result))

      })

    },

---

发送方为系统：

• 仅返回文本：显示文本

• 仅返回音频（参考发送方为自己的实现）
  
  

• 返回文本，随即返回文本对应的合成音频，显示文本和播放按钮
  
  

页面嵌入audio标签，将hidden设置为true使其不显示：

<div class="audio-player">

          <svg-icon v-if="!isPlaying" icon-class='play' @click="onClickAudioPlayer" />

          <svg-icon v-else icon-class='pause' @click="onClickAudioPlayer" />

          <audio :src="playAudioUrl" autostart="true" hidden="true" ref="audioPlayer" />

        </div>

playAudioUrl的生成参考上面生成的wavesurfer的url。

使用isPlaying参数记录当前音频的播放状态，并使用setTimeout方法，当播放了音频时长后，将播放按钮自动置为play。

  onClickAudioPlayer() {

      if (this.isPlaying) {

        this.$refs.audioPlayer.pause()

        this.isPlaying = false

      } else {

        // 每次点击时，开始播放，并在播放完毕将isPlaying置为false

        this.$refs.audioPlayer.currentTime = 0

        this.$refs.audioPlayer.play()

        this.isPlaying = true

        setTimeout(() => {

          // 将正在播放重置为false

          this.isPlaying = false

        }, Math.ceil(this.$refs.audioPlayer.duration) * 1000)

      }

    },

• 聊天记录自动定位到最后一条：
  
  使用scrollIntoView()方法
• 记录每次会话对应的记录ID（recordId）：
  
  定义单次会话的id，并在返回的消息中回传，从而建立多条websocket返回的关联关系。

---

以上就是全部实现。难点主要是请求麦克风权限和对音频进行编码，在加wav头时必须保证和采样时的采样率、频率一致 。