跳到主要内容

语音转文字场景实践

注意：请先确认您集成的 SDK 版本。

  • 如果您集成的是 5.22.0 及以上版本： 融云 SDK 已内置语音转文字功能，无需额外集成第三方 SDK，仅需在 IM 服务的服务购买页面开通即可使用。请直接参考以下官方文档完成集成：

  • 如果您集成的是 5.22.0 以下版本，或有自定义第三方语音转文字需求： 请继续阅读本文档，获取适用于旧版本或自定义集成场景的详细实现方案。

准备工作​

在开始之前，请确保已创建应用并完成客户端 SDK 集成。

提示

本文以集成 5.X IMKit SDK 为例，实现语音转文字功能。如您使用 IMLib SDK，需要主动获取 HQVoiceMessage 的 FileUrl（远端地址），业务侧调用其他三方 SDK 将语音消息成功转文字后，调用 RongCoreClient 的 setMessageExtra 方法将转换后的信息，放到消息的附加信息中自行实现此功能。Web 端不支持使用此文档实现语音转文字能力。

语音转文字功能：IMKit SDK 录制语音文件（支持最长 60 秒的音频）。当您进入聊天界面后，可以手动长按消息列表中的语音消息气泡，在出现的菜单中，单击转文字后，业务侧调用其他三方 SDK 将语音消息成功转文字后，展示语音对应的文字信息。具体支持的语言以三方能力为准。

效果示例​

操作步骤​

1. 自定义长按消息菜单​

在会话页面长按消息可打开弹窗，根据当前消息类型判断，如果是高清语音消息，增加"转文字"选项。在 onMessageItemLongClick 回调中做"转文字"的处理，您的业务侧调用其他第三方的 API，获取到转换后的信息设置到 Message 的 Extra 中。调用 refreshMessage 后，SDK 自动刷新消息展示信息。

Java
MessageItemLongClickAction speechToText =
        new MessageItemLongClickAction.Builder()
                .titleResId(R.string.speech_to_text)
                .actionListener(
                        new MessageItemLongClickAction.MessageItemLongClickListener() {
                            @Override
                            public boolean onMessageItemLongClick(
                                    Context context, UiMessage uiMessage) {
                                // 获取 message 实体
                                Message message = uiMessage.getMessage();
                                // 给当前 message 的 extra 赋值
                                message.setExtra("1231234");
                                // 将 message 的 extra 存到本地数据库中
                                RongCoreClient.getInstance().setMessageExtra(message.getMessageId(),"1231234",null);
                                // 刷新单条 Message 信息
                                IMCenter.getInstance().refreshMessage(message);
                               return true;
                            }
                        })
                .showFilter(
                        new MessageItemLongClickAction.Filter() {
                            @Override
                            public boolean filter(UiMessage uiMessage) {
                                //判断是高清语音消息，显示转文字 Item
                                Message message = uiMessage.getMessage();
                                return (message.getContent() instanceof HQVoiceMessage);
                            }
                        })
                .build();
MessageItemLongClickActionManager.getInstance()
        .addMessageItemLongClickAction(speechToText);

2. 修改高清语音消息的展示样式​

Android 端实现流程​

  1. 将 SDK 默认的 HQVoiceMessageItemProvider 类，rc_item_hq_voice_message.xml 资源复制到您项目目录下重新命名。
  2. 调用 replaceMessageProvider 方法替换掉 SDK 默认的消息展示模板。替换后，SDK 在渲染消息时，会自动调用该类型消息的自定义模板进行渲染。
  3. 在自定义 rc_item_hq_voice_message.xml 中增加转换文字后的展示 View，自定义 HQVoiceMessageItemProvider 中增加判断，如果消息附加信息不为空，则展示转换后的文字。

代码类参考：

iOS 端实现流程​

导入下面的类，在聊天页面注册绑定自定义的 Cell：

Objective C
- (void)registerCustomCellsAndMessages {
    [super registerCustomCellsAndMessages];
    ///注册自定义语音转文字消息 Cell
    [self registerClass:[CustomHQVoiceMessageCell class] forMessageClass:[RCHQVoiceMessage class]];
}

3. 修改语音消息采样率​

因市场上大多厂商的转音转文字功能，支持的是 16K 的采样率，所以如需修改语音消息采样率，您需要集成 IMKit 源码，在下图位置增加采样率设置信息。

Android 端修改位置

Java
mMediaRecorder.setAudioSamplingRate(SamplingRate.RC_SAMPLE_RATE_16000.getValue());

iOS 端修改位置

Objective C
rcHQVoiceRecorderHandler.recordSettings = @{
                AVFormatIDKey : @(kAudioFormatMPEG4AAC_HE),
                AVNumberOfChannelsKey : @1,
                AVEncoderBitRateKey : @(16000)
            };
最后于 更新