微信小程序不支持真正的实时语音转文字，实际是短时录音+上传+后端ASR返回的伪实时方案，端到端延迟1–3秒；必须依赖后端ASR服务，前端仅负责采集、格式化、上传PCM音频，且需注意权限、并发及格式匹配问题。
微信小程序不支持真正的实时语音转文字
uni-app 本身没有内置语音识别能力，微信小程序原生也 不提供 onaudioprocess 或流式语音识别 API。所谓“实时”，实际是「短时录音 + 快速上传 + 后端 ASR 返回」的伪实时链路，端到端延迟通常在 1–3 秒（取决于网络和后端处理速度）。直接调用 wx.onVoicerecordEnd 或 uni.getRecorderManager().onStop 得到的是完整音频文件，不是流数据。
必须用后端 ASR 服务，不能只靠前端
小程序环境无法运行大型语音模型（如 Whisper.cpp），也无法访问麦克风原始流（MediaStream 在小程序中不可用）。所有识别逻辑必须交由服务端完成：
- 前端只负责采集、格式化、上传音频文件（
tempFilePath） - 后端接收后调用腾讯云 ASR、阿里云智能语音交互、百度语音识别等 HTTP 接口
- 返回结果通过 WebSocket 或轮询推给前端（若需接近实时体验）
常见错误是试图在 onFrameRecorded（不存在）或 onInterruptionBegin（仅 iOS 系统事件）里做识别——这些回调根本不会触发语音流数据。
录音参数必须严格匹配 ASR 服务商要求
不同服务商对采样率、声道数、编码格式容忍度差异极大。例如：
- 腾讯云
16k_zh引擎要求：samplerate: 16000,numberOfChannels: 1,format: 'pcm'（无 header） - 百度语音识别接受
wav，但必须带标准 44 字节 WAV 头，否则报错ERROR_AUDIO_FORMAT - 阿里云推荐
opus格式，但 uni-app 的getRecorderManager()不支持直接输出 opus，需后端转码
实操建议：统一用 format: 'pcm' + samplerate: 16000 + numberOfChannels: 1，后端再按需封装为 WAV 或转码。避免在前端做 PCM → WAV 头添加（容易字节错位导致识别失败）。
真机调试时麦克风权限和并发冲突最常被忽略
iOS 真机上，uni.getRecorderManager().start() 可能静默失败，原因包括：
- 未在
manifest.json中声明"scope.record"权限，或用户首次拒绝后未引导重新授权 - 其他 App（如微信自身语音通话、QQ、系统录音机）正在占用麦克风，iOS 会直接拒绝新录音请求
- 同一页面多次调用
start()未先stop()，导致管理器状态异常
验证方式：监听 recorderManager.onError，打印 err.detail。常见错误信息如 errCode: -12（iOS 麦克风被占用）、errCode: 10001（安卓权限未授予）。不要依赖 onStart 是否触发来判断成功——它可能根本不触发。
