yii框架不内置语音识别能力，也无官方百度/讯飞sdk封装，需在控制器中手动调用百度aip等第三方api，注意音频格式、token时效、http请求构造及服务器时间同步等关键细节。
Yii 框架本身不内置语音识别能力，也**没有官方支持的百度/讯飞等 AI 语音 SDK 封装**。所谓“Yii 实现语音识别”，本质是：在 Yii 控制器中调用第三方语音 API（如百度 AIP），完成音频上传、token 获取、结果解析等 HTTP 交互流程。直接套用 Laravel 或 Spring Boot 的封装思路会踩坑——Yii 2.x 默认无 guzzlehttp/guzzle，3.x 虽支持但需手动配 client；且其事件机制和依赖注入不如 Spring Boot 自动化。
Yii 2.x 中调用百度语音识别 API 的最小可行路径
百度短语音识别要求 POST 二进制音频（WAV/PCM）+ query 参数（dev_pid、cuid 等）+ header 带 Content-Type: audio/wav 和 Authorization: Bearer {token}。Yii 2.x 默认用 CUrlHttpRequest 或原生 file_get_contents + stream_context_create，但容易因 header 写错、boundary 缺失、采样率不符导致 error_no: 20001（参数错误）或 216001（音频格式不支持）。
- 必须先用
AipSpeech::getAccessToken()（或自己写 HTTP 请求）获取 token，不能硬编码；token 有效期 30 天，但生产环境建议每次请求前校验有效期 - 音频文件必须为单声道、16bit、16kHz PCM/WAV；Yii 接收前端
$_FILES['audio']后，要用file_get_contents($file['tmp_name'])读原始字节，不能走CUploadedFile::getInstance()后再saveAs()再读——中间可能被 Yii 自动转码 - 推荐用
curl_init()手动构造请求：设CURLOPT_HTTPHEADER显式声明Content-Type和Authorization，禁用CURLOPT_POSTFIELDS数组模式（会自动加 multipart boundary，百度不认）；改用CURLOPT_POSTFIELDS设为字符串 +CURLOPT_BINARYTRANSFER= true
Yii 3.x 中用 Guzzle 调用语音 API 的注意事项
Yii 3.x 默认依赖 guzzlehttp/guzzle:^7.5，但百度语音 API 要求 body 是纯二进制流，而 GuzzleHttp\Psr7\Utils::streamFor() 默认不设 Content-Length，Nginx 可能截断大音频；同时 $client->post() 若传 ['body' => $raw]，Guzzle 会自动加 Content-Type: text/plain，覆盖你指定的 audio/wav。
- 必须显式传
['headers' => ['Content-Type' => 'audio/wav', 'Authorization' => 'Bearer ' . $token]]，且body必须是StreamInterface实例，不能是 string - 生成 stream 推荐：
Utils::streamFor(fopen($tmpPath, 'r'))，而非Utils::streamFor(file_get_contents($tmpPath))——后者把整个音频加载进内存，60 秒 WAV（≈2MB）易触发 PHP 内存限制 - Yii 3.x 的
Request对象默认解析multipart/form-data，但语音 API 不接受表单字段混传；前端必须用fetch('/api/asr', {method: 'POST', body: audioBlob})，后端控制器里直接读$request->getBody()->getContents()
如何避免百度返回 error_no: 20004（token 无效）
这个错误在 Yii 项目中最常出现在两个环节：token 缓存未更新、时区或系统时间偏差超 5 分钟。百度校验 token 签名时依赖服务器本地时间，若 Yii 服务器时间比 NTP 慢 6 分钟，即使刚取的 token 也会被判定过期。
- 不要用 Yii 的
Cache::set('baidu_token', $token, 2500)简单缓存——得连同expires_in时间戳一起存，每次请求前检查是否剩余 - PHP 层面确保
date_default_timezone_set('Asia/Shanghai')，并用ntpdate -q ntp.aliyun.com校准系统时间（Docker 容器需额外挂载/etc/localtime并启用 systemd-timesyncd） - 调试时可临时在控制器里打印
date('c')和file_get_contents('https://aip.baidubce.com/oauth/2.0/token?...')的 raw response，确认时间差与 error_no 对应关系
真正难的不是发请求，而是音频采集端与服务端的采样率对齐、网络抖动下的分片重传、以及长语音场景下如何把 WebSocket 流式识别结果按语义切句——这些 Yii 不管，得你自己在 JavaScript 层或 FFmpeg 预处理阶段解决。
