直接发送Blob音频流需确保WebSocket连接就绪、MediaRecorder正常启动并正确分片，后端须区分文本与二进制帧、按序拼接并规范生成WAV文件。
直接发 File 或 Blob 就能传音频流，不用转 base64、不手动构造 ArrayBuffer，但必须处理好连接状态、分片节奏和后端 Buffer 拼接逻辑。
WebSocket发送Blob音频数据前必须检查的三件事
浏览器允许直接 ws.send(file)，但实际传输失败往往不是代码写错，而是卡在连接准备环节：
-
ws.readyState必须为WebSocket.OPEN；onopen回调里发，或加轮询判断，别在onmessage里盲目发 - 音频采集用
MediaRecorder时，确保start()已调用且未触发error事件（比如用户拒授麦克风） - 若服务端要求鉴权，不要依赖 Cookie（WebSocket 不带跨域 Cookie），改用
Sec-WebSocket-Protocol头传 token，或首次发一个文本帧带{ "auth": "xxx" }
用 MediaRecorder 分块导出 Blob 并发送的实操要点
不能等整段录音结束再发——那样就不是“流式”了。关键在 ondataavailable 的触发时机和 Blob 类型设置：
WebSocket 8.18.2
下载
WebSocket 8.18.2 是该协议规范的一个重要迭代版本，主要优化了连接稳定性与数据传输效率。它通过全双工通信机制，允许客户端与服务器在单一长连接上实时交换数据，大幅降低传统 HTTP 轮询的开销。该版本增强了心跳保活、自动重连及二进制帧传输能力，适用于即时通讯、在线游戏及金融行情推送等低延迟场景，为开发者提供更可靠的实时网络交互基础。
- 初始化时指定
mimeType: "audio/webm;codecs=opus"（Chrome/Firefox 兼容好），避免用audio/wav（默认生成大体积无压缩数据） - 调用
mediaRecorder.start(200)，200ms 为每块间隔，太短（如 50ms）易触发高频 GC，太长（如 2s）失去流式意义 -
ondataavailable回调中拿到event.data是Blob，直接ws.send(event.data)即可，无需new Blob([event.data])套娃 - 移动端需注意：Safari 对单次
send()的Blob大小敏感，超过 1MB 可能卡顿，建议上限设为 512KB，超限时用slice()拆分
后端接收二进制帧时如何区分音频块与控制帧
WebSocket 协议本身不定义业务语义，ws 库（Node.js）或 @ServerEndpoint（Java）收到的数据类型取决于前端发什么：
- 前端发
JSON.stringify({ type: "start", sampleRate: 16000 })→ 后端event.data是字符串，typeof event.data === "string" - 前端发
file或new Blob([...])→ 后端收到的是Buffer（Node）或ByteBuffer（Java），event.isBinary为true - 不要混用：同一连接里，文本帧和二进制帧交替发送是合法的，但后端必须按顺序收——先收控制帧（如
{ "start": true }），再收后续所有二进制帧，直到收到{ "end": true } - Java 示例中，
@OnMessage方法要重载两个：一个参数为String，一个为ByteBuffer，否则二进制帧会被忽略或报错
音频流拼接与保存为 WAV 文件的关键陷阱
后端收到的是一堆零散 Buffer，直接写磁盘会得到一堆无法播放的碎片。WAV 头部必须最后写，且需提前知道总长度：
- 别用
fs.appendFile()累加——WAV 头部含文件总大小字段，必须在写完全部音频数据后回填 - 推荐流式处理：用
fs.createWriteStream()写入临时文件，同时用crypto.createHash("md5")流式计算校验值，避免全量加载内存 - WAV 格式要求：RIFF 头 + fmt 子块（固定 24 字节）+ data 子块（含真实音频字节），data 子块长度字段必须是音频数据长度 + 8（data 头部本身占 8 字节）
- 如果前端用 Opus 编码（webm 容器），后端不能直接当 WAV 写——要么转码（用
ffmpeg.wasm或服务端ffmpeg），要么前端改用audio/mp4;codecs=mp4a.40.2并约定服务端解封装
真正难的不是“怎么发”，而是“怎么让每一块都按时抵达、不丢不乱、能对齐时间轴”。音频流对帧序和时延敏感，一旦后端拼错了顺序或漏了一块，出来的就是咔哒声或静音段——这些细节不会报错，但会毁掉整个体验。
