ThinkPHP需通过外部AI语音API实现语音转文字，前端上传音频后须校验格式、用ffmpeg预处理为wav，再调用API异步识别，结果结构化存储并分离原始与编辑文本。
ThinkPHP 本身不提供语音转文字能力，必须依赖外部 AI 语音识别 API（如阿里云、腾讯云）完成音频→文本转换，再由 ThinkPHP 接收、存储、管理结果。直接在 TP 里写个 SpeechToText::convert() 是行不通的。
怎么让 ThinkPHP 接收并保存语音文件
前端上传的音频（比如微信小程序录音、H5 <input type="file" accept="audio/*">）需走标准文件上传流程，关键在后端校验和路径处理：
- 用
$request->file('audio')获取上传对象，检查isValid()和后缀（mp3、wav、amr等） - 调用
move()存到public/uploads/audio/下，注意生成唯一文件名（避免覆盖），例如：date('YmdHis') . '_' . uniqid() . '.' . $file->extension() - 不要直接存二进制到数据库——大字段拖慢查询，且无法被 CDN 或对象存储加速；只存相对路径（如
uploads/audio/20260410161522_abc123.wav） - 记录原始文件名、时长（可用
ffprobe提前分析）、用户 ID、创建时间，这些字段对后续检索和审计很重要
为什么不能直接把音频发给阿里云 API
阿里云、腾讯云等语音识别 API 对音频格式、采样率、声道数有硬性要求，常见失败原因不是密钥错，而是格式不达标：
- 多数 API 要求
wav格式 +PCM 编码+单声道+16kHz 采样率；而手机录的mp3或微信amr直接传会返回InvalidFormat错误 - ThinkPHP 需集成
ffmpeg命令行工具做预处理：用exec()调用ffmpeg -i input.mp3 -acodec pcm_s16le -ac 1 -ar 16000 output.wav - 别忘了检查
exec()是否被禁用（disable_functions）、ffmpeg是否在系统 PATH、PHP 进程是否有读写权限 - 超过 1 小时的音频要分片（API 通常限制单次请求 ≤ 60 分钟），否则识别任务会超时失败
如何安全调用语音识别 API 并存结果
不能把 API 密钥写死在控制器里，也不能用 curl 手动拼 header；推荐封装为服务类，并利用 TP6 的配置与异常机制：
立即学习“PHP免费学习笔记（深入）”；
- 把
app_id、secret_key、region放进config/ai.php，通过Config::get('ai.aliyun')读取 - 用 Guzzle 发起 HTTPS 请求（比原生
curl更易控制超时、重试、日志），设置timeout=30，避免阻塞整个请求 - API 返回是异步任务 ID（如阿里云的
TaskId），需轮询GetFileTransResult接口直到状态为Success；轮询间隔至少 3 秒，别高频刷 - 识别成功后，把
result.text存进数据库note_content字段，同时记录task_id、status、duration，方便查重和重试 - 失败时捕获具体错误码（如
InvalidAudio、AuthFailed），写入日志并返回用户可读提示，而不是抛出 500
笔记内容怎么结构化存储才好用
纯存一整段文本，后续就只能全文模糊搜索；想支持“查某人说了什么”“找带‘延期’的讨论”，得提前拆解：
- 如果语音服务商支持说话人分离（如阿里云的
enable_words+speaker_diarization），解析返回的sentences数组，每句存为独立记录，带speaker_id、start_time、end_time - 不依赖服务商时，可用简单规则做初步分段：按标点（句号、问号）或静音时长 >1.5s 切分，再用 NLP 库（如
jieba）提取关键词，存进note_keywords关联表 - 用户编辑笔记时，别直接 UPDATE 原始识别文本——保留原始字段（
raw_text）用于溯源，另设edited_text存人工修正版 - 导出 Word/PDF 时，时间戳和说话人信息能极大提升可读性，这些数据必须在入库时就结构化，而不是后期靠正则硬扒
最常被跳过的一步是音频预处理验证：上传后立刻用 ffprobe 检查采样率和声道，比等到 API 返回错误再重试更省时间。另外，异步任务的状态轮询千万别写在 HTTP 请求里——要用队列（如 think-queue）丢后台执行，否则用户等着页面转圈。
