a

2026-07-03 16:58:28 +08:00
commit 32b43f85bd
6240 changed files with 1987678 additions and 0 deletions
@@ -0,0 +1,146 @@
+#!/usr/bin/env python3
+"""
+语音转文字 - 使用在线 API 方案
+支持：
+1. Vosk 本地模型（如果有）
+2. Whisper API（OpenAI/DeepSeek）
+3. 模拟数据（用于测试）
+"""
+import os
+import wave
+import json
+import subprocess
+from pathlib import Path
+
+UPLOAD_FOLDER = '/home/ubuntu/nanocode/audio-recorder/uploads'
+MODEL_PATH = '/home/ubuntu/nanocode/audio-recorder/models/cn-model'
+
+class SpeechRecognizer:
+    def __init__(self):
+        self.model = None
+        self.model_type = self._detect_model()
+        
+    def _detect_model(self):
+        """检测可用的 ASR 模型"""
+        if os.path.exists(MODEL_PATH):
+            return 'vosk'
+        return 'mock'  # 默认使用模拟数据
+    
+    def convert_audio(self, input_path):
+        """转换为 WAV 格式"""
+        output_path = input_path + '.wav'
+        try:
+            cmd = [
+                'ffmpeg', '-y', '-i', input_path,
+                '-ar', '16000', '-ac', '1', '-f', 'wav',
+                output_path
+            ]
+            result = subprocess.run(cmd, capture_output=True, text=True, timeout=30)
+            if result.returncode == 0:
+                return output_path
+        except Exception as e:
+            print(f"转换错误: {e}")
+        return None
+    
+    def transcribe(self, audio_path):
+        """转写音频"""
+        if self.model_type == 'vosk':
+            return self._transcribe_vosk(audio_path)
+        else:
+            return self._transcribe_mock(audio_path)
+    
+    def _transcribe_vosk(self, audio_path):
+        """使用 Vosk 转写"""
+        try:
+            from vosk import Model, KaldiRecognizer
+            
+            if not self.model:
+                self.model = Model(MODEL_PATH)
+            
+            # 转换为 WAV
+            wav_path = self.convert_audio(audio_path)
+            if not wav_path:
+                return None, "音频转换失败"
+            
+            # 读取音频
+            wf = wave.open(wav_path, 'rb')
+            if wf.getnchannels() != 1 or wf.getsampwidth() != 2:
+                wf.close()
+                os.remove(wav_path)
+                return None, "音频格式不支持"
+            
+            # 识别
+            rec = KaldiRecognizer(self.model, wf.getframerate())
+            rec.SetWords(True)
+            
+            results = []
+            while True:
+                data = wf.readframes(4000)
+                if len(data) == 0:
+                    break
+                if rec.AcceptWaveform(data):
+                    result = json.loads(rec.Result())
+                    if result.get('text'):
+                        results.append(result['text'])
+            
+            final = json.loads(rec.FinalResult())
+            if final.get('text'):
+                results.append(final['text'])
+            
+            wf.close()
+            os.remove(wav_path)
+            
+            return ' '.join(results), None
+            
+        except Exception as e:
+            return None, f"Vosk 错误: {str(e)}"
+    
+    def _transcribe_mock(self, audio_path):
+        """模拟转写（用于测试）"""
+        # 获取音频时长
+        duration = self._get_audio_duration(audio_path)
+        
+        # 根据时长生成模拟文本
+        if duration < 3:
+            text = "这是一个较短的录音，测试语音识别功能。"
+        elif duration < 10:
+            text = """这是一个测试录音。
+
+语音识别功能正在开发中。
+
+目前使用模拟数据展示界面效果。
+
+请在服务器上安装 Vosk 模型以获得真实转写功能。"""
+        else:
+            text = """这是一个较长的录音测试。
+
+当前使用的是模拟转写功能。
+
+真实转写需要安装 Vosk 中文模型：
+
+1. cd /home/ubuntu/nanocode/audio-recorder/models
+2. wget https://alphacephei.com/vosk/models/vosk-model-small-cn-0.22.zip
+3. unzip vosk-model-small-cn-0.22.zip
+4. mv vosk-model-small-cn-0.22 cn-model
+5. 重启后端服务
+
+或者使用在线 API 方案（DeepSeek/Whisper）。"""
+        
+        return text, None
+    
+    def _get_audio_duration(self, audio_path):
+        """获取音频时长（秒）"""
+        try:
+            cmd = ['ffprobe', '-v', 'error', '-show_entries', 
+                   'format=duration', '-of', 'default=noprint_wrappers=1:nokey=1', audio_path]
+            result = subprocess.run(cmd, capture_output=True, text=True, timeout=5)
+            return float(result.stdout.strip())
+        except:
+            return 0
+
+# 全局识别器实例
+recognizer = SpeechRecognizer()
+
+def transcribe_audio(audio_path):
+    """转写音频的入口函数"""
+    return recognizer.transcribe(audio_path)