5.2.2 语音转文本

功能介绍

本节介绍语音转文本（Automatic Speech Recognition，ASR）的基本功能及其示例使用方法。用户通过麦克风输入语音后，系统可自动识别并转换为文本。

项目代码仓库：⭐ Bianbu AI Demo Zoo | NLP

准备工作

克隆代码

git clone https://gitee.com/bianbu/spacemit-demo.git
cd spacemit_demo/examples/NLP

安装环境依赖

建议使用虚拟环境进行依赖隔离：

sudo apt install python3-venv

python3 -m venv .venv
source .venv/bin/activate

pip install -r requirements

检测系统录音设备

参考 录音设备检测 章节查看系统可用的录音设备。

执行示例代码

运行 ASR 示例：

python 03_asr_demo.py

程序启动后，按下回车键即可开始录音。内部集成的 VAD 功能将自动判断是否有人声，并在静音时停止录音。

参数说明

参数名称	中文说明	用途说明
sld	静音长度阈值（秒）	连续静音时间 ≥ sld 秒将被判定为语音结束；设为 0 表示禁用
max_time	最长录音时间（秒）	达到该时长自动终止录音，避免过长语音
channels	音频通道数	通常设为 1（单声道），语音识别推荐使用单声道输入
rate	采样率（Hz）	每秒采样点数，如 16000 或 48000，需与模型输入匹配
device_index	输入设备索引	指定录音设备，可通过 arecord 或 search_device.py 获取