uni-app中微信小程序音频duration获取问题解析
2025-05-02 03:35:02作者:凌朦慧Richard
问题现象
在uni-app开发微信小程序时,开发者使用uni.createInnerAudioContext()创建音频对象后,在真机模拟环境下发现onCanplay和onPlay事件中无法正确获取音频的duration属性,返回值为0。而在非真机模拟环境下,该属性可以正常获取。
技术背景
uni.createInnerAudioContext()是uni-app提供的创建内部音频上下文的方法,用于在小程序中播放音频。该方法返回的对象包含多个属性和事件,其中duration表示音频的总时长(秒),是一个只读属性。
问题原因
经过分析,这个问题实际上是微信小程序底层的一个已知bug。在真机模拟环境下,音频资源的元数据(包括时长信息)加载存在延迟,导致在onCanplay和onPlay事件触发时,音频的duration属性尚未完成解析。
解决方案
方案一:使用轮询机制
开发者可以设置一个定时器,定期检查duration属性,直到获取到有效值:
const audio = uni.createInnerAudioContext();
audio.src = '音频地址';
const timer = setInterval(() => {
if(audio.duration > 0) {
clearInterval(timer);
console.log('获取到音频时长:', audio.duration);
}
}, 100);
方案二:使用getBackgroundAudioManager
uni-app提供了uni.getBackgroundAudioManager()方法,该方法创建的音频对象在真机模拟环境下表现更稳定:
const bgAudio = uni.getBackgroundAudioManager();
bgAudio.src = '音频地址';
bgAudio.onPlay(() => {
console.log('音频时长:', bgAudio.duration);
});
方案三:服务端预计算
对于已知的音频文件,可以在上传到服务器时就计算好时长信息,随音频URL一起返回给前端,避免依赖客户端计算。
最佳实践建议
- 对于需要精确显示音频时长的场景,推荐使用
getBackgroundAudioManager - 如果必须使用
createInnerAudioContext,建议结合轮询机制和超时处理 - 对于已知音频资源,尽量从服务端获取时长信息
- 在UI设计上,可以考虑添加加载状态,避免用户看到0秒的初始值
总结
uni-app在微信小程序环境下的音频处理存在一些平台特定的行为差异。理解这些差异并选择合适的解决方案,可以帮助开发者构建更稳定的音频播放功能。在实际开发中,建议针对不同平台进行充分测试,确保功能在所有环境下都能正常工作。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218