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 |