Java集成阿里云的实时语音识别遇到的一些题目

集成阿里云的实时语音识别遇到的题目:
困扰了一周时间,重要涉及到流的处置惩罚题目。
集成处置惩罚逻辑：

集成是通过引用maven依赖加载。
前端灌音通过流的方式传到后端，后端再把流上传到Minio，后端拿到文件地点，调微服务（集成语音识别的是另一个独立的微服务）去Minio获取输入流,再上传到阿里云（公有云的服务）。然后监听返回识别的结果，末了返回结果文本给前端。
题目：

偶发性，，监听不到返回的结果就关闭了服务端。该音频是正常的,拿去官网下载的demo执行,是有监听到返回的结果。这时就很纳闷，多数在我集成的代码里是可以监听到结果的，少数没有监听到，一开始以为是音频题目，所以就去demo执行，验证音频，是没题目的。
办理：

末了叫同事一起帮忙对比代码debug，终于发现了，demo里切片上传的是文件输入流，但我的是直接上传的是从Minio获取到的输入流，，，重点是文件输入流和单单的输入流是有区别的。因为是偶发性，一直没注意这里。
区别：

InputStream不可以读取文件，它是一个抽象类，根本不大概实例化，是所有输入流的基类。而FileInputStream是InputStream的一个实现类，用于读取诸如图像数据之类的原始字节流。FileInputStream是读取一个文件来作InputStream，FileInputStream是字节流。
题目代码：

2.             //获取文件名
3.             String fileName = path.substring(path.lastIndexOf("/"));
4.             InputStream fis = MinioUtil.getMinioFile(MinioUtil.getBucketName(), fileName);
7.             byte[] b = new byte[6400];
8.             int len;
9.             while ((len = fis.read(b)) > 0) {
10.                 logger.info("send data pack length: " + len);
11.                 recognizer.send(b, len);
12.                 // 8000采样率情况下，3200byte字节建议 sleep 200ms，16000采样率情况下，3200byte字节建议 sleep 100ms
13.                 int deltaSleep = getSleepDelta(len, 8000);
14.                
15.             }

复制代码

办理代码：

2.         //获取文件名
3.         String fileName = path.substring(path.lastIndexOf("/"));
4.         InputStream fis2 = MinioUtil.getMinioFile(MinioUtil.getBucketName(), fileName);
5.         //创建临时文件
6.         File file = File.createTempFile(IdWorker.getIdStr(),"");
7.         FileUtil.writeFromStream(fis2,file);
8.         FileInputStream fis = new FileInputStream(file);
10.         byte[] b = new byte[6400];
11.         int len;
12.         while ((len = fis.read(b)) > 0) {
13.             logger.info("send data pack length: " + len);
14.             transcriber.send(b, len);
15.             // 8000采样率情况下，3200byte字节建议 sleep 200ms，16000采样率情况下，3200byte字节建议 sleep 100ms
16.             int deltaSleep = getSleepDelta(len, 16000);
17.          
18.         }

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。