PHP实现Fathom实时语音处理需要结合Fathom提供的API服务，通过PHP的HTTP请求能力对接语音处理接口，同时处理实时语音流的传输和结果回调。整个过程需要做好语音数据的采集、格式转换、接口请求和结果解析几个核心环节。
环境准备
首先需要在服务器上安装PHP 7.4及以上版本，同时开启curl扩展用于发送HTTP请求，开启fileinfo扩展用于校验语音文件格式。另外需要到Fathom官方平台注册账号，获取专属的API密钥，这个密钥是后续调用接口的身份凭证。
核心实现步骤
1. 语音数据预处理
Fathom接口通常要求语音数据为特定的格式，比如16kHz采样率的单声道PCM格式，PHP端需要先对采集到的语音数据做格式校验和转换，不符合要求的需要提前处理，避免接口返回错误。
<?php
// 校验语音文件格式
function checkVoiceFormat($filePath) {
$finfo = finfo_open(FILEINFO_MIME_TYPE);
$mime = finfo_file($finfo, $filePath);
finfo_close($finfo);
// 允许的语音格式
$allowMime = ['audio/pcm', 'audio/wav', 'audio/mp3'];
if (!in_array($mime, $allowMime)) {
return false;
}
return true;
}
?>
2. 调用Fathom实时语音接口
使用PHP的curl扩展发送POST请求到Fathom的实时语音处理接口，将预处理后的语音数据和API密钥一同传递，同时设置请求为流式传输模式，适配实时处理的需求。
<?php
// 调用Fathom实时语音处理接口
function callFathomRealTimeApi($voiceData, $apiKey) {
$apiUrl = 'https://api.ipipp.com/fathom/v1/realtime/process';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $apiUrl);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_POST, 1);
// 设置请求头
$headers = [
'Authorization: Bearer ' . $apiKey,
'Content-Type: audio/pcm',
'Transfer-Encoding: chunked'
];
curl_setopt($ch, CURLOPT_HTTPHEADER, $headers);
// 设置请求体为语音数据
curl_setopt($ch, CURLOPT_POSTFIELDS, $voiceData);
$response = curl_exec($ch);
$error = curl_error($ch);
curl_close($ch);
if ($error) {
return ['success' => false, 'error' => $error];
}
return json_decode($response, true);
}
?>
3. 处理实时返回结果
Fathom的实时接口会逐步返回语音转文字的中间结果和最终结果，PHP端需要持续接收响应数据，解析出文字内容，同时可以根据需求将结果存储到数据库或者实时推送到前端页面。
<?php
// 处理Fathom返回的结果
function handleFathomResult($result) {
if ($result['success']) {
$text = $result['data']['text'] ?? '';
$isFinal = $result['data']['is_final'] ?? false;
if ($isFinal) {
// 最终结果存入数据库
saveFinalTextToDb($text);
} else {
// 中间结果推送到前端
pushTempTextToFrontend($text);
}
return $text;
} else {
error_log('Fathom接口调用失败：' . $result['error']);
return '';
}
}
?>
注意事项
- 实时语音处理对网络延迟要求较高，建议将PHP服务部署在和Fathom接口同区域的服务器上，减少传输耗时。
- 语音数据分片传输时，需要保证每个分片的大小符合Fathom接口的要求，避免分片过大或过小导致处理异常。
- API密钥需要做好保密工作，不要硬编码在代码中，建议存放在环境变量或者配置文件中，避免泄露。
- 需要处理接口的请求频率限制，避免短时间内发送过多请求导致账号被限流。
常见问题排查
如果出现语音转文字结果不准确的情况，首先检查上传的语音格式是否符合要求，采样率和声道数是否正确。如果接口返回鉴权错误，检查API密钥是否填写正确，是否有权限调用实时处理接口。如果请求超时，检查网络连通性，以及语音数据是否过大。