3. 前端工程化概述

好，咱们进入实战环节了。前面两章讲了音频基础知识和浏览器兼容性，这一章咱们直接上手——用浏览器把麦克风的声音录下来。

你可能会想：「录音不就是点一下开始、再点一下停止吗？」嗯，表面上看确实是这样。但实际工程里，格式怎么选、状态怎么切、数据怎么拿，每一步都有坑。我最早做语音识别项目时，就因为在录音格式上选错了，导致后端解析失败，排查了一整天。

今天咱们把 MediaRecorder API 彻底讲透。你学完这一章，能自己写一个健壮的录音模块，直接用到生产环境里。

3.1 MediaRecorder API 核心概念

MediaRecorder 是浏览器原生提供的录音接口。它接收一个 MediaStream（就是咱们 getUserMedia 拿到的流），然后把音频数据编码成指定格式输出。

我个人习惯把它的工作流程拆成三步：

1. 创建实例：new MediaRecorder(stream, options)
2. 监听数据：ondataavailable 事件拿到音频块
3. 控制启停：start() / stop() / pause() / resume()

说白了，它就是浏览器帮我们封装好的录音机。你给它麦克风流，它给你吐二进制数据。

3.1.1 浏览器兼容性

先泼盆冷水——MediaRecorder 在 Safari 上支持得不太好。尤其是 iOS Safari，直到 14.5 才支持，而且只支持 WebM 格式。但 Safari 又不支持 WebM 播放……你说气不气人？

我建议你这样做：

• 桌面端：Chrome、Firefox、Edge 都支持得很好
• 移动端：Android Chrome 没问题，iOS Safari 需要降级方案
• 降级方案：检测不支持时，用 Web Audio API + Worker 自己编码

3.2 录音格式选择：WAV vs WebM

这是个大坑。我见过不少项目，前端录完音后端解析不了，就是因为格式没对齐。

MediaRecorder 支持的格式取决于浏览器和操作系统。常用的就两种：

特性	WAV	WebM (Opus)
编码方式	PCM 无压缩	Opus 有损压缩
文件大小	大（1分钟约 5MB）	小（1分钟约 200KB）
浏览器支持	Chrome、Firefox 部分支持	Chrome、Firefox、Edge 全支持
后端解析	简单，几乎所有语言都支持	需要 Opus 解码库
实时性	高，无需解码	低，需要解码后才能处理
适用场景	本地录音、语音识别	网络传输、存储

你可能会问：「那我该用哪个？」

我的建议是：

• 做语音识别：优先用 WAV。因为大多数语音识别引擎（包括咱们后面要讲的 Web Speech API 和第三方 SDK）都直接吃 PCM 数据。省去解码这一步，延迟更低。
• 做网络传输：用 WebM。文件小，传输快。后端用 ffmpeg 或者 opus.js 解码就行。
• 兼容性优先：检测浏览器支持的 MIME 类型，动态选择。

3.2.1 如何录制 WAV 格式

这里有个坑——MediaRecorder 默认不直接支持 WAV。Chrome 支持 audio/wav，但 Firefox 不支持。所以如果你想稳定拿到 WAV，得自己动手。

我常用的方案是：

1. 用 MediaRecorder 录成 WebM
2. 拿到音频数据后，用 AudioContext.decodeAudioData() 解码
3. 再用 encodeWAV() 函数转成 WAV 格式

代码大概长这样：

// 1. 录制 WebM
const mediaRecorder = new MediaRecorder(stream, {
  mimeType: 'audio/webm;codecs=opus'
});
const chunks = [];
mediaRecorder.ondataavailable = (e) => chunks.push(e.data);
mediaRecorder.onstop = async () => {
  const blob = new Blob(chunks, { type: 'audio/webm' });
  // 2. 解码
  const arrayBuffer = await blob.arrayBuffer();
  const audioBuffer = await audioContext.decodeAudioData(arrayBuffer);
  // 3. 转 WAV
  const wavBlob = encodeWAV(audioBuffer);
  // 现在 wavBlob 就是 WAV 格式了
};

嗯，encodeWAV() 函数网上有很多现成的实现，我一般用这个：Recorderjs 里的 exportWAV 方法。你也可以自己写，核心就是把 Float32Array 转成 16-bit 整数，加上 WAV 头。

3.3 录音状态管理

录音不是简单的「开始/停止」两个状态。实际工程里，状态切换很频繁。我总结了一个状态机：

看到这个状态机了吧？实际开发中，我建议你用 useReducer（React）或者一个简单的状态对象来管理。千万别用多个布尔变量——「isRecording」「isPaused」「isError」这种，组合起来能把你绕晕。

3.3.1 状态管理实战代码

这是我常用的一个状态管理方案：

const RECORDER_STATE = {
  IDLE: 'idle',
  RECORDING: 'recording',
  PAUSED: 'paused',
  ERROR: 'error'
};

class RecorderManager {
  constructor(stream, options = {}) {
    this.stream = stream;
    this.state = RECORDER_STATE.IDLE;
    this.mediaRecorder = null;
    this.chunks = [];
    this.options = options;
  }

  async start() {
    if (this.state !== RECORDER_STATE.IDLE) {
      throw new Error('当前状态不允许开始录制');
    }
    try {
      this.mediaRecorder = new MediaRecorder(this.stream, this.options);
      this.mediaRecorder.ondataavailable = (e) => {
        if (e.data.size > 0) this.chunks.push(e.data);
      };
      this.mediaRecorder.onerror = () => {
        this.state = RECORDER_STATE.ERROR;
        this.options.onError?.('录制出错');
      };
      this.mediaRecorder.start(1000); // 每秒触发一次 ondataavailable
      this.state = RECORDER_STATE.RECORDING;
      this.options.onStateChange?.(this.state);
    } catch (err) {
      this.state = RECORDER_STATE.ERROR;
      this.options.onError?.(err.message);
    }
  }

  pause() {
    if (this.state !== RECORDER_STATE.RECORDING) return;
    this.mediaRecorder.pause();
    this.state = RECORDER_STATE.PAUSED;
    this.options.onStateChange?.(this.state);
  }

  resume() {
    if (this.state !== RECORDER_STATE.PAUSED) return;
    this.mediaRecorder.resume();
    this.state = RECORDER_STATE.RECORDING;
    this.options.onStateChange?.(this.state);
  }

  stop() {
    return new Promise((resolve) => {
      if (this.state === RECORDER_STATE.IDLE) {
        resolve(null);
        return;
      }
      this.mediaRecorder.onstop = () => {
        const blob = new Blob(this.chunks, { type: this.options.mimeType || 'audio/webm' });
        this.chunks = [];
        this.state = RECORDER_STATE.IDLE;
        this.options.onStateChange?.(this.state);
        resolve(blob);
      };
      this.mediaRecorder.stop();
    });
  }

  reset() {
    this.chunks = [];
    this.state = RECORDER_STATE.IDLE;
    this.mediaRecorder = null;
    this.options.onStateChange?.(this.state);
  }
}

这段代码有几个关键点：

• 状态守卫：每个方法开头都检查当前状态，非法操作直接抛错或忽略
• 回调通知：状态变化时通过 onStateChange 通知外部，方便 UI 更新
• 资源清理：stop() 里重置 chunks，避免内存泄漏

3.4 录音实战：完整示例

好了，理论讲完了，咱们写一个完整的录音组件。这个组件会包含：

• 获取麦克风权限
• 创建 MediaRecorder
• 管理录音状态
• 输出录音文件

async function startRecording() {
  try {
    // 1. 获取麦克风流
    const stream = await navigator.mediaDevices.getUserMedia({ audio: true });

    // 2. 检测支持的格式
    let mimeType = 'audio/webm;codecs=opus';
    if (MediaRecorder.isTypeSupported('audio/wav')) {
      mimeType = 'audio/wav';
    } else if (!MediaRecorder.isTypeSupported(mimeType)) {
      mimeType = 'audio/webm';
    }

    // 3. 创建管理器
    const recorder = new RecorderManager(stream, {
      mimeType,
      onStateChange: (state) => {
        console.log('录音状态：', state);
        updateUI(state); // 更新按钮状态、显示录音时长等
      },
      onError: (msg) => {
        console.error('录音错误：', msg);
        alert('录音出错：' + msg);
      }
    });

    // 4. 开始录制
    await recorder.start();

    // 5. 5秒后停止（实际项目中由用户点击触发）
    setTimeout(async () => {
      const blob = await recorder.stop();
      // 现在 blob 就是录音文件，可以上传或本地播放
      const url = URL.createObjectURL(blob);
      const audio = new Audio(url);
      audio.play();
    }, 5000);

  } catch (err) {
    console.error('获取麦克风失败：', err);
    alert('请允许麦克风权限');
  }
}

这段代码可以直接跑。你把它放到浏览器的控制台里试试，点一下就能录音 5 秒，然后自动播放。

3.5 避坑指南

最后，我把自己踩过的坑总结一下：

• 坑一：MIME 类型不匹配——你指定的格式浏览器不支持，MediaRecorder 会直接抛错。记得用 isTypeSupported 检测。
• 坑二：录音时长不准——MediaRecorder 的 start(timeslice) 只是触发频率，不是精确的录音时长。要自己用 Date.now() 计时。
• 坑三：内存泄漏——每次录音结束后，记得释放 MediaStream 的轨道：stream.getTracks().forEach(track => track.stop())。
• 坑四：iOS Safari 不支持 WebM 播放——如果你录了 WebM，在 iOS 上没法用 <audio> 直接播放。要么转格式，要么用 AudioContext 解码。
• 坑五：静音检测——用户可能开了麦克风但不说话。我建议在录音时加一个音量检测，如果连续 3 秒音量低于阈值，自动停止并提示用户。