阿里云语音识别 Node.js 实践教程

这篇教程会带着大家过一遍如何用 Node.js 调用阿里云的语音识别服务，识别一个本地的音频文件。我会分享一个很方便的脚本，它可以自动搞定临时访问令牌（Token）的获取，然后通过 WebSocket 把音频流传过去做识别。

准备工作

在动手之前，得确保电脑上装了这几个东西：

1. Node.js: 推荐用 LTS 稳定版。
2. npm: 装 Node.js 的时候一般会自动装上。

另外，我们还需要一个阿里云账号，并做下面几件事：

1. 开通语音识别服务: 登录阿里云后台，找到“智能语音交互”服务把它开通。
2. 创建项目拿 AppKey: 在智能语音交互控制台新建一个项目，拿到它的 AppKey。
3. 获取 AccessKey: 去访问控制（RAM）控制台创建一个 AccessKey，记下 AccessKeyId 和 AccessKeySecret。这俩密钥很重要，得收好，别给别人看到。

操作步骤

第一步：安装依赖

万事开头第一步，先把项目要用到的包装上。在终端里进到项目目录，跑一下这个命令：

npm install

这个命令会装上 alibabacloud-nls（语音服务的SDK）和 @alicloud/pop-core（用来调用阿里云API拿Token）。

第二步：创建 index.js 文件

在项目根目录建一个 index.js 文件，然后把下面的代码贴进去。这是整个识别功能的核心代码。

const fs = require('fs');
const path = require('path');
const NLS = require('alibabacloud-nls');
const Core = require('@alicloud/pop-core');

// --- 配置 ---
// 脚本会从环境变量读取凭证，确保你已经按下一步设置好了
const ACCESS_KEY_ID = process.env.ALICLOUD_ACCESS_KEY_ID;
const ACCESS_KEY_SECRET = process.env.ALICLOUD_ACCESS_KEY_SECRET;
const APP_KEY = process.env.NLS_APPKEY;

if (!ACCESS_KEY_ID || !ACCESS_KEY_SECRET || !APP_KEY) {
    console.error('错误: 请设置 ALICLOUD_ACCESS_KEY_ID, ALICLOUD_ACCESS_KEY_SECRET 和 NLS_APPKEY 环境变量。');
    process.exit(1);
}

// 默认识别 'hello.amr'，也可以从命令行参数传文件名
const audioFilePath = process.argv[2] || path.join(__dirname, 'hello.amr');
if (!fs.existsSync(audioFilePath)) {
    console.error(`错误: 音频文件没找到: ${audioFilePath}`);
    process.exit(1);
}

/**
 * 用 @alicloud/pop-core 获取临时的 NLS token
 */
async function fetchNlsToken() {
    const client = new Core({
        accessKeyId: ACCESS_KEY_ID,
        accessKeySecret: ACCESS_KEY_SECRET,
        endpoint: 'https://nls-meta.cn-shanghai.aliyuncs.com',
        apiVersion: '2019-02-28',
    });

    const params = {
        Domain: 'nls-gateway.cn-shanghai.aliyuncs.com',
        Action: 'CreateToken',
    };

    const requestOption = {
        method: 'POST'
    };

    try {
        console.log('正在获取 NLS token...');
        const response = await client.request('CreateToken', params, requestOption);
        if (response.Token && response.Token.Id) {
            console.log('Token 获取成功!');
            return response.Token.Id;
        } else {
            throw new Error(`获取Token失败，响应: ${JSON.stringify(response)}`);
        }
    } catch (error) {
        console.error('获取 NLS token 失败:', error);
        throw error;
    }
}

/**
 * 主识别函数
 */
async function main() {
    try {
        const token = await fetchNlsToken();
        const url = 'wss://nls-gateway.cn-shanghai.aliyuncs.com/ws/v1';

        const sr = new NLS.SpeechRecognition({
            url: url,
            appkey: APP_KEY,
            token: token
        });

        // 设置事件监听
        sr.on('started', (msg) => {
            console.log('识别开始:', msg);
        });

        sr.on('failed', (msg) => {
            console.error('识别失败:', msg);
        });

        sr.on('completed', (msg) => {
            console.log('识别完成，最终结果:');
            try {
                const result = JSON.parse(msg);
                if (result && result.payload && result.payload.result) {
                    console.log(result.payload.result);
                } else {
                    console.log(msg);
                }
            } catch (e) {
                console.log(msg);
            }
        });

        sr.on('closed', () => {
            console.log('连接关闭');
        });

        // 开始识别
        const startParams = sr.defaultStartParams();
        // 根据文件格式设置
        const fileExtension = path.extname(audioFilePath).toLowerCase();
        if (fileExtension === '.wav') {
            startParams.format = 'wav';
            startParams.sample_rate = 16000;
        } else if (fileExtension === '.pcm') {
            startParams.format = 'pcm';
            startParams.sample_rate = 16000;
        } else {
            startParams.format = 'amr';
            startParams.sample_rate = 8000;
        }
        startParams.enable_punctuation_prediction = true;
        startParams.enable_inverse_text_normalization = true;

        await sr.start(startParams, true, 6000);
        console.log('已发送开始请求，准备发送音频...');

        // 发送音频流
        const audioStream = fs.createReadStream(audioFilePath);
        audioStream.on('data', (chunk) => {
            sr.sendAudio(chunk);
        });

        // 音频流结束时，发送结束指令
        audioStream.on('end', async () => {
            console.log('音频文件发送完毕，正在关闭连接...');
            try {
                await sr.close();
            } catch (error) {
                console.error('关闭连接时出错:', error);
            }
        });

    } catch (error) {
        console.error('发生错误:', error.message);
    }
}

main();

第三步：配置环境变量

为了不把密钥写死在代码里（这是个好习惯），我们把它配置在环境变量里。脚本会自动去读。

打开 PowerShell 终端，执行下面的命令，记得把 '...' 里的内容换成你自己的信息：

# 设置你的阿里云 AccessKey ID
$env:ALICLOUD_ACCESS_KEY_ID = 'LTAI5t...换成你的...'

# 设置你的阿里云 AccessKey Secret
$env:ALICLOUD_ACCESS_KEY_SECRET = '...换成你的...'

# 设置你在语音服务控制台创建的项目的 AppKey
$env:NLS_APPKEY = '...换成你的...'

注意:

• 每次关掉 PowerShell 窗口，这些变量就没了，需要重新设一次。
• AccessKey 千万别泄露出去。

第四步：准备音频文件

项目里自带了一个 hello.amr 文件，可以直接用它来测试。

如果你想用自己的音频文件，可以：

1. 把文件（比如 my_audio.wav）放到项目根目录。
2. 运行脚本的时候，把文件名带上，具体看下一步。

提示：脚本会根据文件的后缀名（.amr, .wav, .pcm）来判断采样率，所以文件后缀名要写对。

第五步：运行识别脚本

OK，所有东西都准备好了。在刚刚设置好环境变量的终端里，敲下面的命令开始识别：

# 识别默认的 hello.amr 文件
node index.js

如果要识别自己的文件，比如 my_audio.wav，就这样运行：

# 识别指定的音频文件
node index.js my_audio.wav

第六步：查看结果

脚本跑起来后，终端会显示类似下面的日志：

正在获取 NLS token...
Token 获取成功!
已发送开始请求，准备发送音频...
识别开始: ...
音频文件发送完毕，正在关闭连接...
识别完成，最终结果:
你好
连接关闭

这里的“你好”，就是从 hello.amr 文件里识别出来的文字。

---

好了，教程就到这里。现在你可以自己动手试试了。如果碰到什么问题，欢迎在评论区留言交流！