自动语音识别

1. 什么是自动语音识别任务？

自动语音识别（Automatic Speech Recognition，ASR）是大模型推理服务中的重要任务之一，旨在将输入的音频内容自动转换为对应的文本。通过 ASR 能力，用户可以将语音对话、会议录音、媒体内容等快速转写为结构化文本，广泛应用于会议记录、实时字幕、语音交互等场景。

2. 典型应用场景

• 会议转写：自动将会议录音转写为文字，并区分不同发言人，方便回顾与归档。
• 实时字幕：为视频直播、在线教育等场景提供低延迟的实时字幕生成能力。
• 语音客服：将用户的语音输入转写为文本，供后端 NLP 系统进行意图识别与响应。
• 多语言内容处理：支持多种语言和方言的语音转写，适合国际化内容生产场景。
• 无障碍辅助：帮助听障用户通过文字获取语音信息内容。

3. 影响推理效果的关键因素

音频输入质量

• 音频的采样率、信噪比和编码格式会直接影响识别准确率。
• 建议使用 16kHz 单声道音频，并尽量减少背景噪声干扰，以获得最佳识别效果。

参数调整

以下参数用于控制语音识别的行为和输出格式：

语言（Language）

• 指定音频的语种，可提升识别准确率。
• 支持设置为 auto 以启用自动语言检测，适合多语言混合场景。
• 应用场景：明确音频语种时指定该参数，有助于减少误识别。

输出格式（Response Format）

• 控制转写结果的返回格式，常见选项包括：
  • text：纯文本，仅返回识别的文字内容。
  • verbose_json：详细 JSON 格式，包含文本、时间戳、说话人标签等结构化信息。
• 应用场景：按需选择，若需要时间戳或说话人信息，推荐使用 verbose_json。

热词（Hotword）

• 提供领域专有词汇或高频词，引导模型优先识别这些词，提升垂直领域的识别准确率。
• 应用场景：适合医疗、法律、金融等专业术语较多的场景。

4. 代码调用示例

import requests

url = "https://xxxxxxxxxxxx.space.opencsg.com/v1/audio/transcriptions"
headers = {}

with open("audio.wav", "rb") as audio_file:
    files = {
        "file": ("audio.wav", audio_file, "audio/wav"),
    }
    data = {
        "model": "sensevoice",
        "language": "auto",
        "response_format": "verbose_json",
    }
    response = requests.post(url=url, headers=headers, files=files, data=data)

if response.status_code == 200:
    result = response.json()
    print(result)