如何使用 devbox 实现微信语音输入

背景

在留白记事上，很多人们会想直接使用微信的语音输入，说的总比打字快。

与常见的 .mp3 和 .wav 格式不同，微信语音输入默认使用的是 .amr 格式。

下图为开发者服务器接收到来自微信的 webhook，表示公众号上有用户传来语音消息，你能看到格式即为 .amr。

许多 STT (Speech to Text) 服务只支持前者，这就衍生一个需求：我们如何将 .amr 格式的语音转换为 .mp3 格式？

解决方案

起初，我想用 Laf 解决，后来发现 Laf 定位于 函数即服务 的解决方案，不支持用文件系统比如 fs 操作服务器上的文件。

后来在 GitHub 上看到一个解决思路：启动一个 express 服务，使用 fluent-ffmpeg 将 .amr 转换为 .mp3，再临时将文件存于服务器上供调用方使用。

这个方案的前提是，服务器上已经事先安装了 FFmpeg，否则 fluent-ffmpeg 将无法使用。

“这可不是一个简单的函数即服务”我当时心想。我自己是一个后端和运维小白，以前都是 Serverless 一把梭，专注于前端跟用户的交互。现在这可有点难到我了。

不过，我想起了 Sealos 前阵子上线的 devbox，宣传里似乎就是要弥补 Laf 这样函数即服务的不足。

“我是不是可以在 devbox 上部署如上我所说的服务呢？”于是改造（踩坑）就开始了。

devbox 使用体感

devbox 是什么可以看官方的介绍，我这里想特别说它的开发体验。

因为这非常影响你对 devbox 的理解，也是我走过的弯路，所以这一段使用心得或者说结论，我放到这里论述。

在 devbox 上，一切开发过程都是直连到服务器上的。

我一开始非常不习惯，然而它的原理就是我们本地 IDE 上的 Connect to SSH Host 功能，我们来看一下 Claude 对此的说明：

devbox 让你免去 记录服务器 IP 或域名 / 输入 SSH 端口号 / 输入服务器用户名或密码（或SSH密钥） 的过程，只需要下方一键按下去即可。

我用的是 Windsurf，一键按下去后，我的 Windsurf 就试图去连接到远程服务器上了。这之后你在 IDE 上的修改，实际上都是在操作远端服务器。

包括，运行 pnpm i 或者其他命令，全是如此。

更为重要的是，你所有的操作，包括命令的运行，最后在 Devbox Web UI 上点击 发布版本 时，全部（再讲一次，包括命令的运行）会被打包成一个 docker 镜像，相当于对当前虚拟机的状态进行一个快照。

所以我们在 devbox 开发环境上安装的所有依赖和底层软件（比如FFmpeg），在 发布版本 之后，我们在生产环境上完全无需重走一遍，而是开箱即用，所有的前置需要全都被安装好了。

当你理解这一点之后，你才终于理解为什么 devbox 宣传时一直说：终于不用担心生产环境时的依赖问题和版本号冲突问题了，因为生产环境完全就是开发环境的镜像！

动手实现

有了以上对 devbox 的认知后，动手实现的部分就相对简单了。

1. 在 devbox 上选择 express

2. 用 IDE 打开

如上提到的，用 VS Code / Cursor / Windsurf 连接到服务器上进行开发。

连接上服务器后，全选所有文件 Cmd + A，将默认模板文件全部删除。

3. 下载代码

我们刚刚选择了 express 的模板，所以默认 git, node 和 pnpm 全部安装好了。

现在我们打开 Terminal 终端，用 git 下载代码:

git clone https://github.com/yenche123/liubai.git

这里分享一个心得，你在 SSH Host 的 IDE 上输入命令，感觉会有那么一点卡卡的 delay 感，那是因为你真的在操作远程服务器上的终端，你们之间当然会有一个延时了。

以前的开发体验是，你在本地开发完毕后，再将代码打包，然后上传到服务器上；使用 devbox 则是一切都在服务器上操作，开发即部署。

4. 安装 FFmpeg

继续在 Terminal 上输入以下命令，完成 FFmpeg 的安装:

sudo apt update && sudo apt upgrade    # press Y to continue
sudo apt install ffmpeg                # press Y to continue
ffmpeg -version                        # verify if installed successfully

最后一行可以校验是否安装成功。

再说一次，这次安装完成以后，在生产环境上是无需重走一遍的，因为镜像里将会直接包含了这个软件。非常神奇吧！

5. 编写 entrypoint.sh

我们在根目录上，也就是跟 liubai/ 同级的位置（如上图所示），创建一个 entrypoint.sh 文件，内容如下:

#!/bin/bash
cd /home/devbox/project/liubai/liubai-backends/liubai-ffmpeg
pnpm dev

这个文件是告知生产环境的服务器，机器启动之后，如何启动我们渴望的服务。

我们这里就是告知机器，先定位到目标文件夹 liubai-ffmpeg 然后再运行 pnpm dev 命令，去启动 express 服务。

6. 授权 entrypoint.sh

同样在根目录，我们运行以下命令，为 entrypoint.sh 添加可执行的权限:

chmod +x entrypoint.sh

7. 安装依赖

我们打开 liubai-ffmpeg 目录，来安装所需依赖：

cd /home/devbox/project/liubai/liubai-backends/liubai-ffmpeg
pnpm i

8. 在开发环境上启动服务

回到根目录上，我们来模拟一遍服务的启动：

cd /home/devbox/project
bash entrypoint.sh

看到如上图所示的打印消息，就说明我们已在开发环境的机器上启动了 amr 转 mp3 的服务！

我们回到 devbox web ui 上，复制一下公网地址:

然后在浏览器地址栏拼接 /hello，如果能看到如下图所示的画面，就说明给我们的服务已经成功启动了。

现在改拼接 /new?url=你的amr文件&id=当前时间戳（毫秒）

你就获得了一个 amr 转换为 mp3 的服务啦！

9. 部署到生产环境

我们在 devbox web ui 上点击 发布版本。

发版过程中，你的 IDE 会短暂断开连接，这是正常的。

发版后，我们点击 上线，按照最低配置点击完成即可。

等待几分钟后，你就拥有另一个公网可访问链接，这就是生产环境的 amr 转换为 mp3 服务啦！

在 devbox 上 git commit

在 devbox 上，我们可能会想开发完后提交 git commit，这个时候需要远程服务器拥有远程仓库的推送权限。

下面以 GitHub 为例，分享一下我遇到的情况。

在 Terminal 上运行 git push origin 你的分支名 时，Terminal 会在浏览器上打开一个 GitHub 页面，要求你输入 IDE 上的授权码，如下二图所示。

但这个操作可能会授权失败，这个时候在 IDE 右下角会弹出通知，让你用 Personal access tokens 进行授权，如下图所示：

授权完毕之后，再 git push 一下，应该就没问题了。

立即体验

上面提到的服务已经部署在“留白记事”上了，现在关注“留白记事”微信公众号，发送语音给它，就会调用上方提到的 amr 转 mp3 服务。

目前大模型厂商 7 小虎中，MiniMax 是允许开发者在 messages 中直接传入 mp3 格式的 base64。看到这里，你还不快去试试，原生地在微信中使用多模态！

结语

综合上文，我们使用了 devbox 完成了一个 amr 转 mp3 的服务。

本文的核心在于 devbox 使用体感 那一节，我们简单介绍了 devbox 与传统开发的区别，由于 Connect to SSH Host 的能力，我们直接操作了远程服务器，在其上完成了软件的安装和核心代码的开发。

借由 devbox 对底层容器的优化，它让我们拥有开发即部署的能力，开发完直接在开发服务器上验证结果；同时 devbox 能对整个虚拟器进行快照，解决了 开发环境 和 生产环境 的一致性难题，让我们在生产环境上无需重走一遍安装依赖以及底层软件的流程，达到生产环境开箱即用的效果。

对于本文有任何疑问，欢迎在评论区留言，或者在 liubai 上提交 issue 与我交流！

本文作者

• Yanzhe，留白记事开发者。留白记事是一款集合多个 AI 的生产力工具，让你在微信上即可管理你的笔记、日程、任务和待办清单！