feishu-asr

# 飞书语音识别 ASR ## 触发条件 - 用户发送飞书语音消息 - 用户要求将语音转为文字 - 用户提到"语音识别"、"转文字" ## 工作流程 ### 1. 获取语音文件 从飞书消息中获取语音文件的file_key，下载为.ogg或.m4a格式。 ### 2. 音频格式转换 使用Python soundfile将音频转换为16kHz采样的WAV格式： ```python import soundfile as sf audio, sr = sf.read(voice_file) # 如果是立体声，转为单声道 if len(audio.shape) > 1: audio = audio.mean(axis=1) sf.write('output.wav', audio, 16000) ``` ### 3. 使用Whisper识别 ```python import os os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com' # 国内镜像 from transformers import WhisperForConditionalGeneration, WhisperProcessor, WhisperFeatureExtractor import soundfile as sf # 读取音频 audio, sr = sf.read('output.wav') if len(audio.shape) > 1: audio = audio.mean(axis=1) # 加载模型 processor = WhisperProcessor.from_pretrained('openai/whisper-tiny') model = WhisperForConditionalGeneration.from_pretrained('openai/whisper-tiny') feature_extractor = WhisperFeatureExtractor.from_pretrained('openai/whisper-tiny') # 识别 input_features = feature_extractor(audio, sampling_rate=16000, return_tensors='pt').input_features with torch.no_grad(): predicted_ids = model.generate(input_features) result = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0] ``` ## 依赖安装 ```bash pip install torch transformers soundfile ``` ## 模型选择 - **whisper-tiny**: 75MB，适合CPU，最快 - **whisper-base**: 142MB，精度更好 - **whisper-small**: 466MB，精度高 ## 注意事项 - 首次运行需要下载模型（约75MB-3GB） - 建议使用国内镜像：HF_ENDPOINT=https://hf-mirror.com - 模型会自动检测语言