• useful_asr
• • • 语音转录服务
    • • 主要功能
      • 如何运行
      • • 使用 Python
        • 使用 Docker
        • • 直接拉取
          • 源码构建
      • 使用方法
      • API 返回格式

useful_asr

---

English Version

知乎文章介绍

语音转录服务

这是一个基于 FastAPI 的语音转录服务。用户可以上传音频文件，服务会将其转换为文本。

主要功能

1. 基于 FastAPI 框架。
2. 支持跨域请求。
3. 使用 modelscope.pipelines 进行语音识别。
4. 提供 /transcribe/ 端点以上传音频文件并获取转录文本。

如何运行

注：首次启动程序会从modelsope仓库拉取模型文件存储至本地，需要几分钟的时间。

使用 Python

1. 确保您已安装所有库：pip install -r requirements.txt。
2. 运行 app.py：python app.py。
3. 服务将在 0.0.0.0 上的端口 8100 上启动。使用你的浏览器或 API 工具访问。

使用 Docker

直接拉取

docker pull registry.cn-guangzhou.aliyuncs.com/fangd123/asr:1.0
# 若无GPU
docker run --name asr -p 8100:8100 registry.cn-guangzhou.aliyuncs.com/fangd123/asr:1.0
# 若有GPU（需要先安装NVIDIA Container Toolkit）
docker run --name asr --runtime=nvidia --gpus all -p 8100:8100 registry.cn-guangzhou.aliyuncs.com/fangd123/asr:1.0

源码构建

1. 构建 Docker 镜像：docker build -t asr-service .
2. 运行 Docker 容器：docker run -p 8100:8100 asr-service
3. 与上面的 Python 方法一样，服务将在 0.0.0.0 上的端口 8100 上启动。

使用方法

1. 使用 POST 请求访问 /transcribe/ 端点并上传您的音频文件。
2. 服务将返回转录的文本。

注：可访问/docs端点进入调试界面

API 返回格式

服务返回一个包含以下字段的 JSON 数组：

• text：转录的文本。
• start：文本的开始时间（单位：毫秒）。
• end：文本的结束时间（单位：毫秒）。
• text_seg：分词文本。
• ts_list：每段文本的时间戳列表。

例如：

[
  {
    "text": " just time 哎，",
    "start": 4090,
    "end": 6470,
    "text_seg": "just time 哎 ",
    "ts_list": [
      [4090, 4330],
      [4470, 4875],
      [6250, 6470]
    ]
  },
  ...
]