xiangyuecn
commented
10 months ago 支持，你的流程是正确的
你把录音数据buffers里面的新数据自己缓冲一下，比如缓冲1秒的数据，比较容易检测到是否开始说话，不需要太精确从哪个位置开始说话，然后从这1秒的数据开始 将后续的录音数据全部存起来
最后在检测停止说话，检测到停止后，已缓冲的数据就是语音数据，你直接用Recorder.SampleData+mock方法，直接进行转码就可以得到mp3了
内存管理很容易做的，参考【教程】【音频流】【上传】实时转码并上传-通用版，用unknown格式+清理一下buffers，不会占用内存
我大概看了一下文档，直觉是可以支持的，我先说一下大致流程 首先开启长录音，然后根据音量大小判断是否说完，比如3秒钟音量太低就代表一句话说完了，然后实时截取录音流转成mp3格式提交给第三方转成文字，然后把文字发给GPT让他回答，他返回文字结果后转成mp3播放出来 麻烦点 1、对音量的判断，因为长时间录音，需要再他声音变化的时候精准捕获说话时间段，不然生成出来是体积很大的静音mp3 2、精准捕获的时间段咋转成map3格式？能否根据时间戳之类的东西去截取对应的媒体流然后转成mp3 3、长时间录音的内存管理问题