SenseVoice 音频转文字&情绪识别 - python 实现

Eric.Lee20212024-11-29 11:09

具体代码实现如下：

python 复制代码

from funasr import AutoModel
from funasr.utils.postprocess_utils import rich_transcription_postprocess

path_audio = "emo/happy.mp3"# 音频文件
# 加载模型
model_dir = "iic/SenseVoiceSmall"
model = AutoModel(
    model=model_dir,
    trust_remote_code=True,
    remote_code="./model.py",
    vad_model="fsmn-vad",
    vad_kwargs={"max_single_segment_time": 30000},
    device="cuda:0",
    cache_dir = "./ckpt"
)
# 模型预测识别
res = model.generate(
    input=path_audio,
    cache={},
    language="auto",  # "zn", "en", "yue", "ja", "ko", "nospeech"
    use_itn=True,
    batch_size_s=60,
    merge_vad=True,  #
    merge_length_s=15,
)
# text = rich_transcription_postprocess(res[0]["text"])
print("音频文件：{}".format(path_audio))
print("识别预测结果：{}".format(res[0]["text"]))

脚本运行log如下：

python 复制代码

音频文件：emo/happy.mp3
识别预测结果：<|zh|><|HAPPY|><|Speech|><|withitn|>你好，见到你很高兴。

助力快速掌握数据集的信息和使用方式。

数据可以如此美好！