microsoft的azure语音,开发环境运行正常,发布到centos7线上服务器之后,无法运行

server/2024/10/23 0:21:49/

最近在做AI语音对话的功能,用到了azure的语音语音服务,开发的时候还算顺利,部署到线上后,发现在正式服上无法完成语音转文本的操作,提示:

org.springframework.web.util.NestedServletException: Handler dispatch
failed; nested exception is java.lang.UnsatisfiedLinkError:
com.microsoft.cognitiveservices.speech.SpeechConfig.setTempDirectory(Ljava/lang/String;)V

关键是我在测试服上运行也是好好的,有点莫名其妙。
谷歌搜索该异常的时候就看到这么个说法,说是centos7环境没有安装azure语音SDK导致的。
在这里插入图片描述
然后顺利找到官方的centos7安装语音SDK的解决方案:
https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/how-to-configure-rhel-centos-7

以为很快就能解决该问题,可是按照官方的操作流程执行下来,发现报错还是一样。然后又在官方文档翻了好久,以为是还有哪里的环境没有配置好,整到后面都想把服务器重装了,改成centos8,因为在我测试服的centos8服务器上一切运行正常。但是由于服务器上的服务有点多,怕数据丢失,最终还是回来继续折腾这该死的centos7。我发誓以后再也不装centos7了,要是再装就是个大傻叉!

然后就继续研究官方的文档,发现文档中环境设置这一部分,其实配置的是临时环境变量。
在这里插入图片描述
于是就求助万能的Chatgpt,把配置环境变量这块把环境变量做成永久的。
操作如下:

echo 'export LD_LIBRARY_PATH=/usr/local/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
echo 'export PATH=/usr/local/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

执行最后一条命令的时候,一开始我是直接执行官方文档给出的命令,后来问了GPT之后才发现其实是个待填项,这个差点把我自己给蠢哭
知道是待填项之后,由于我代码中的版本是1.34.1,于是我就把命令改成了:

export LD_LIBRARY_PATH=/path/to/extracted/SpeechSDK-Linux-1.34.1/lib/centos7-x64:$LD_LIBRARY_PATH

配置完之后,发现好像还真有用,因为服务端已经不报错了。但是是解析出来的文本一直空!我已经想骂娘了。。。。。。

然后又是找各种资料,又是求助Chatgpt,才得知/path/to/extracted/SpeechSDK-Linux-1.34.1/lib/centos7-x64是个真实的目录地址,可是我的服务器根本就没有这玩意。后来想着是不是需要额外下载,但是微软官方的文档上根本没找到这玩意,各个搜索引擎上也是没有找到。然后又开始研究官方文档的“排查SDK问题”。
在这里插入图片描述

然后找到了个方法是说可以给语音服务加日志。于是我在我的代码中加了一下的日志跟踪。不然真的是完全束手无策。。。程序没有报错信息,但是语音就是识别不了(建议所有的语音服务都加上日志跟踪,否则异常了根本没地方查!)
在这里插入图片描述

加完之后再日志文件中确实看到了报错信息,但是这报错信息又误导了我好久!

ISpxNamedProperties::GetStringValue: this=0x0x002ba008128800; name='RESULT-ErrorDetails'; value='Connection failed (no connection to the remote host). Internal error: 1. Error details: Failed with error: WS_OPEN_ERROR_UNDERLYING_IO_OPEN_FAILED
wss://JapanEast.stt.speech.microsoft.com/speech/universal/v2

然后根据这错误信息又是一顿找问题!反正我已经不记得自己折腾了多少问题了。始终没有解决!我都担心系统的环境被我玩坏了。。。。。。。

后来在找这问题的过程中,偶然看到底下这个内容,发现他这个SpeechSDK-Linux.tar.gz貌似就是我前面要找的SDK。但是这玩意真的藏得太深了。。。。。。。。。我真的想骂人!我就想说,您在官方文档中直接把这下载地址附上去不可以吗?真的是法克!!!!而且还不是可点击下载的链接。。。。。
https://github.com/Azure-Samples/cognitive-services-speech-sdk/tree/master/quickstart/cpp/linux/from-microphone
在这里插入图片描述
我把图中的地址打开后才下载到我想要的sdk。这个下载下来后 ,找到官方的文档,然后结合Chatgpt,才把配置搞定:
https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/how-to-configure-rhel-centos-7

最后注意,官方文档中,这个也记得要执行
https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/quickstarts/setup-platform?tabs=linux%2Crhel-centos%2Cdotnetcli%2Cdotnet%2Cjre%2Cmaven%2Cnodejs%2Cmac%2Cpypi&pivots=programming-language-java

在这里插入图片描述

这一期就纯吐槽了!主要是想把这艰苦的过程记录下,下期我整了个完整的操作流程!
最后欢迎大家来我的站点体验下丝滑的语音服务(微信中打开这个地址体验比较好):https://pcai.wailikeji.com
需要项目源码的也可以加我v:bjxueai


http://www.ppmy.cn/server/40447.html

相关文章

【C语言】学习C语言

C语言简介 C语言是一门十分流行的编程语言,由美国贝尔实验室的 Dennis Ritchie 在 20 世纪 70 年代开发。 C语言具有高效、可移植、灵活、简单等特点,被广泛应用于操作系统、编译器、数据库、图形界面、嵌入式系统、网络通信、游戏等领域。 本文将带你…

FCOS长文详解

1. 概述 FCOS是一种one-stage、全卷积(Fully Convolutional)结构的目标检测模型,发表于2019年ICCV。(什么是one-stage?) 论文原地址:https://arxiv.org/abs/1904.01355 作者源码:ht…

【训练与预测】01 - 完成的模型训练套路

01 - 完成的模型训练套路 模型图 model.py import torch from torch import nn# 搭建神经网络 # 你也可以直接把这个放到model.py里class MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.model nn.Sequential(# 卷积与最大池化层nn.Conv2d(3, 32, …

提升网络性能,解决网络故障,了解AnaTraf网络流量分析仪

在当今数字化时代,网络性能监测与诊断(Network Performance Monitoring and Diagnosis,NPMD)成为了企业和个人关注的焦点。随着网络流量不断增长,确保网络的稳定性和高效性变得更加重要。在这个领域,AnaTraf网络流量分析仪是您不可或缺的得力…

OpenCV 阈值法

1.概述 在深度学习出现之前&#xff0c;图像中的阈值法处理主要有二值阈值法、自适应阈值法、Ostu阈值法。 2.理论对比 3.代码实现 #include <iostream> #include <opencv2/opencv.hpp>int main(int argc, char** argv) {if(argc ! 2) {std::cerr << "…

Multisim 14 常见电子仪器的使用和Multisim的使用

multisim multisim&#xff0c;即电子电路仿真设计软件。Multisim是美国国家仪器&#xff08;NI&#xff09;有限公司推出的以Windows为基础的仿真工具&#xff0c;适用于板级的模拟/数字电路板的设计工作。它包含了电路原理图的图形输入、电路硬件描述语言输入方式&#xff0…

整理好了!2024年最常见 100 道 Java基础面试题(四十二)

上一篇地址&#xff1a;整理好了&#xff01;2024年最常见 100 道 Java基础面试题&#xff08;四十一&#xff09;-CSDN博客 八十三、 两个对象 hashCode 相等&#xff0c;equals 也相等么&#xff1f; 在Java中&#xff0c;如果两个对象的 hashCode() 方法返回相同的散列码&…

【人工智能基础】GAN与WGAN实验

一、GAN网络概述 GAN&#xff1a;生成对抗网络。GAN网络中存在两个网络&#xff1a;G&#xff08;Generator&#xff0c;生成网络&#xff09;和D&#xff08;Discriminator&#xff0c;判别网络&#xff09;。 Generator接收一个随机的噪声z&#xff0c;通过这个噪声生成图片…