这几天一直在做在线的语音识别Demo，核心的识别器是基于Google的的开放接口，使用十分方便，输入为flac格式的文件，输出了JSON格式的结果。但外围框架十分繁琐，大部分在于使用了MIT的Wami网页录音接口。整个的框架涉及的模块较多，有首先是HTML调用了PHP写的录音程序，生成Wav文件，由外围工具flac将其转换为flac格式的文件，再由Python写的识别程序进行识别，并最终将结果返回给HTML页面，显示给用户。完整的流程还没有搭建完，但各个模块都已可正常工作。下图为规划的框架图：

期间遇到的问题：

1.*.tar.gz文件在rz上传至服务器上后不能解压，报错“gzip: stdin: invalid compressed data--format violated. 。”不知是何种原因，后用SSH上传解决。

2.用VIM查看二进制文件，像Wav，Flac这种结构化的二进制文件，已习惯直接看其二进制的头文件，用vim -b *.wav后，再用%!xxd即可看到其16进制格式的内容，排列比UltraEdit还整齐一些。

0000000: 0038 4001 0000 0000 0000 0000 0000 ff00  .8@.............
0000010: 0102 5200 0400 0002 ff54 0001 0165 0001  ..R......T...e..
0000020: 005a 0014 0a0b 0158 0000 1772 0000 1771  .Z.....X...r...q
0000030: 0000 1770 1000 0001                      ...p....

注：Vim 把这些信息当作普通文本来对待。修改了十六进制部分并不导致可显示字符部分的改变，反之亦然。只有十六进制部分的修改才会被采用。右边可显示文本部分的修改忽略不计。

3.在配置网页录音时的不能录音问题，其原因有两个：1.在服务端的网络要是可对外的，因为MIT的相关接口要能进来；2.服务器端的保存音频文件的目录及父目录要有可写权限。chmod a+x mingyang2