Wit AI 的 /speech 接口对音频编码格式要求严格，常见问题源于非标准 Ogg 容器中的编解码器不兼容（如 Opus），需统一转为 Ogg+Vorbis 格式方可正确识别。
wit ai 的 `/speech` 接口对音频编码格式要求严格，常见问题源于非标准 ogg 容器中的编解码器不兼容（如 opus），需统一转为 ogg+vorbis 格式方可正确识别。
Wit AI 的语音识别 API（https://api.wit.ai/speech）虽支持 audio/ogg 类型，但仅兼容 Vorbis 编码的 Ogg 文件。许多现代录音源（如 Web 浏览器 MediaRecorder、WhatsApp（通过 WPP Connect 获取的语音消息））默认生成的是 Ogg+Opus 格式——该格式在容器层面合法，但 Wit AI 后端不支持 Opus 解码，导致请求返回空结果：
{
"entities": {},
"intents": [],
"text": "",
"traits": {}
}即使音频内容完整、时长正常、Base64 解码无误，只要底层编码非 Vorbis，Wit AI 就会静默跳过语音转文本流程。
✅ 正确做法：在调用 Wit AI 前，将原始音频标准化为 Ogg 容器 + Vorbis 编码。推荐使用 ffmpeg 进行无损重编码（无需重新采样，仅更换 codec）：
# 安装依赖（确保系统已安装 ffmpeg） npm install fluent-ffmpeg # 或全局安装：brew install ffmpeg（macOS） / apt install ffmpeg（Ubuntu）
const ffmpeg = require('fluent-ffmpeg');
function convertToVorbis(inputPath, outputPath, callback) {
ffmpeg(inputPath)
.audioCodec('libvorbis') // 强制使用 Vorbis 编码
.audioBitrate(128) // 可选：推荐 96–192 kbps，平衡质量与体积
.outputOptions([
'-vn', // 忽略视频流（确保纯音频）
'-ar 16000', // Wit AI 推荐采样率：16 kHz（若原音频非此值则启用）
'-ac 1' // 转为单声道（Wit AI 对立体声支持不稳定）
])
.on('end', () => {
console.log(`✅ 已转换为 Vorbis：${outputPath}`);
callback(null, outputPath);
})
.on('error', (err) => {
console.error('❌ 音频转换失败：', err.message);
callback(err);
})
.save(outputPath);
}
// 使用示例（配合 WPP Connect）
await message.downloadMedia().then(async (media) => {
const originalBuffer = Buffer.from(media.data, 'base64');
const tempInput = './temp_audio.ogg';
const tempOutput = './temp_audio_vorbis.ogg';
// 写入临时文件（fluent-ffmpeg 需要文件路径）
await fs.promises.writeFile(tempInput, originalBuffer);
// 转换为 Ogg+Vorbis
await new Promise((resolve, reject) => {
convertToVorbis(tempInput, tempOutput, (err, convertedPath) => {
if (err) return reject(err);
resolve(convertedPath);
});
});
// 读取转换后文件并发送至 Wit AI
const audioBuffer = await fs.promises.readFile(tempOutput);
try {
const response = await axios.post(
'https://api.wit.ai/speech?v=20230215',
audioBuffer,
{
headers: {
Authorization: `Bearer ${WIT_TOKEN}`,
'Content-Type': 'audio/ogg',
},
responseType: 'json',
}
);
console.log('? Wit AI 识别结果：', response.data.text || '(空文本)');
// 后续业务逻辑...
} catch (error) {
console.error('⚠️ Wit AI 请求异常：', error.response?.status, error.message);
} finally {
// 清理临时文件
await Promise.all([
fs.promises.unlink(tempInput).catch(() => {}),
fs.promises.unlink(tempOutput).catch(() => {}),
]);
}
});⚠️ 关键注意事项：
-
不要跳过转换：即使
Content-Type: audio/ogg正确，Opus 编码仍会导致失败； -
采样率建议：Wit AI 最佳适配
16 kHz单声道，转换时显式指定-ar 16000 -ac 1可显著提升识别率； -
避免内存流直传：
fluent-ffmpeg不支持直接处理 Buffer 输入，必须落地为临时文件； -
Token 与版本：确保
v=20230215（或更新日期）与 Wit AI 控制台应用权限一致； -
替代方案：若无法部署
ffmpeg，可考虑改用 Wit AI 支持的audio/mpeg（MP3）或audio/wav（PCM 16-bit, 16kHz, mono），但需对应调整Content-Type与编码参数。
通过标准化音频编码，即可稳定接入 Wit AI 语音识别能力，尤其适用于 WhatsApp、WebRTC 等多源语音场景。
