A New Start

踩坑记:讯飞语音转文字SDK的坑

一、背景

客服的通话录音需要转成文字,团队决定使用科大讯飞的语音转文字服务,使用的是 SDK 的方式进行对接。

二、遇到的坑

1、关于 SDK 集成的坑

问题:该SDK的集成方式只有一种,即提供一个 jar 包供下载,不提供 maven 仓库管理,不提供源码给予定制。

2、关于强制读取配置文件 的坑

下图是规定的名为 config.properties 的配置文件。

在类文件 LfasrClientImp 中,有一个静态代码块,会强制读取名为config.properties 的配置文件,然后校验该配置文件中的属性是否合法,这个class文件是我们重点调整的对象。

而且在初始化的过程中,只要有不符合初始化要求的逻辑,则会给该类中的静态私有变量 private static String err_msg = null 赋予错误信息。

该错误信息很关键,因为这个类是整个SDK的精华,即客户端的精华,所有的操作都需要先创建这个类的对象进行操作,然而当上文提到的私有变量 error_msg 不为 null 时,构造函数直接报错,所以导致无法创建对象,整个业务流程就没法走下去,见下图的构造方法。

3、关于日志的坑

① 原版SDK的源码,强制使用log4j,所以对于少数不使用 log4j 的项目,需要进行调整,附上报错信息:

② 原版SDK会打印很多的日志,比如有一些对音频进行处理的日志,部分日志信息是我们不需要的。

4、关于文件上传的坑

语音文件上传的模式只有一种,即给定一个本地的音频路径。
而如果你使用过七牛云的 SDK 你就深有体会讯飞的这个SDK 是有多烂,七牛云的上传文件的方法,你可以提供文件的本地路径,也支持流上传,当然也支持远程文件地址的方式上传。

三、埋坑史

1、 解决本地jar包的引入

打jar包的时候把本地的jar包也打进去:

2、解决配置文件的读取问题

依着他给个指定的配置文件 config.properties,但是还是按照项目里的一样,区分开发、测试和生产配置文件,然后强制读取本项目的配置,去强制覆盖 LfasrClientImp 类中的变量。

3、解决 LfasrClientImp 类中变量私有化的问题

为什么关注该类中的静态私有变量呢,因为上文中提到有个私有的变量存储错误信息,我们需要调整这个错误信息。
而对于 LfasrClientImp 类中的静态私有属性,我们可以通过反射机制强制刷新属性。

4、解决日志的坑

讯飞默认使用的是 log4j,如果很不幸你的项目使用的不是 log4j,要么你做出妥协,要么,就出大绝招:把讯飞 SDK 的 class 文件反编译出来,然后自己改源码,然后两条路可以走,一是再编译成 jar 包,二是直接作为一个 module 来使用。
但是还是建议调整日志框架为 log4j,不要动 SDK,防止版本更新。

5、解决上传接口的坑

上文提到了关于上传的方法,只有一个,即提供一个音频文件的本地地址,然后传给上传的方法。
what?难道我的音频文件不能是远程服务器上的?对于这种情况,我们需要手动进行封装,如果不想封装得太深。
简单的思路就是:下载文件 -> 保存成临时文件 -> 调用方法

四、大绝招

其实 SDK 的底层就是封装了三样东西,鉴权、http 请求 和 响应,我们完全可以通过观看源码,找出它的鉴权等动作,然后自己封装一套请求,这样就可以完全脱离讯飞的SDK了。

五、备注

附上讯飞 SDK 的 maven 引用:

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注