科大讯飞【免费】的开源模型实现录音转写与角色判定

在智能客服、语音分析等场景中，我们经常需要从对话记录中自动识别不同说话者的身份角色。本文将介绍如何利用大语言模型（LLM）实现对话人身份判定，将原始的Speaker标识转换为具体的业务角色。

技术架构概述

我们的身份识别系统主要包含以下几个核心组件：

语音识别（ASR）模块：将语音转换为文本
身份判定引擎：基于大模型的智能角色识别
JSON格式化输出：标准化的结果返回

核心代码实现

1. 主控类设计

复制代码

public class Model_1_7B {
    public static final Gson gson = new Gson();
    public static final String MaaS_KEY = "XXX";
    
    // 主方法 - 测试入口
    public static void main(String[] args) {
        String asrRes = "Speaker1：喂。*******************************************************************************Speaker2：你好。*******************************************************************************Speaker2：您好，您这边是需要恩施地区的二手车源是吗？";
        String finalQuestion = buildIdentityQuestion(asrRes);
        String result = useDeepSeek(finalQuestion, MaaS_KEY);
        System.out.println("身份识别结果: " + result);
    }
    
    // 身份判定核心方法
    public static String identityDetermination(String asrRes) {
        String finalQuestion = buildIdentityQuestion(asrRes);
        return useDeepSeek(finalQuestion, MaaS_KEY);
    }
    
    // 构建提示词
    private static String buildIdentityQuestion(String asrRes) {
        return "你的角色是：对话人身份判定专家。\n"
                + "你的任务是：根据对话记录，判断Speaker的身份，严格按照此JSON返回{\"speaker1\":\"xxx\",\"speaker2\":\"xxx\"}。\n"
                + "我得要求：已知speaker身份有【二手车收车商、车源线索销售人员】\n"
                + "根据以上要求，我输入的关键词是：" + asrRes;
    }
}

2. 大模型API调用模块

复制代码

public static String useDeepSeek(String question, String maasKey) {
    String url = "http://maas-api.cn-huabei-1.xf-yun.com/v1/chat/completions";

    try {
        URL apiUrl = new URL(url);
        HttpURLConnection connection = (HttpURLConnection) apiUrl.openConnection();

        // 设置连接参数
        connection.setRequestMethod("POST");
        connection.setRequestProperty("Content-Type", "application/json");
        connection.setRequestProperty("Authorization", "Bearer " + maasKey);
        connection.setDoOutput(true);
        connection.setConnectTimeout(30000);
        connection.setReadTimeout(30000);

        // 构建请求体
        JSONObject message = new JSONObject();
        message.put("role", "user");
        message.put("content", question);

        JSONArray messagesArray = new JSONArray();
        messagesArray.put(message);

        JSONObject payload = new JSONObject();
        payload.put("model", "xop3qwen1b7");
        payload.put("messages", messagesArray);
        payload.put("stream", false);
        payload.put("max_tokens", 8192);

        // 发送请求
        try (OutputStream os = connection.getOutputStream()) {
            byte[] input = payload.toString().getBytes(StandardCharsets.UTF_8);
            os.write(input, 0, input.length);
        }

        // 处理响应
        int responseCode = connection.getResponseCode();
        if (responseCode == HttpURLConnection.HTTP_OK) {
            try (BufferedReader reader = new BufferedReader(
                    new InputStreamReader(connection.getInputStream(), StandardCharsets.UTF_8))) {
                
                StringBuilder response = new StringBuilder();
                String line;
                while ((line = reader.readLine()) != null) {
                    response.append(line);
                }
                
                // 解析大模型返回结果
                JsonParse jsonParse = gson.fromJson(response.toString(), JsonParse.class);
                List<Choices> choiceList = jsonParse.choices;
                for (Choices tempChoice : choiceList) {
                    System.out.println("模型推理内容: " + tempChoice.message.reasoning_content);
                    System.out.println("最终回答: " + tempChoice.message.content);
                    return tempChoice.message.content;
                }
            }
        } else {
            // 错误处理
            handleErrorResponse(connection, responseCode);
        }

        connection.disconnect();

    } catch (Exception e) {
        System.out.println("An error occurred: " + e.getMessage());
        return "An error occurred: " + e.getMessage();
    }
    return "身份区分大模型调用错误";
}

3. 响应数据结构

复制代码

// 大模型响应解析类
static class JsonParse {
    List<Choices> choices;
}

static class Choices {
    Message message;
}

static class Message {
    String reasoning_content;  // 模型推理过程
    String content;           // 最终输出内容
}

关键技术点

1. 提示词工程（Prompt Engineering）

我们设计了专门的提示词来引导大模型完成身份识别任务：

角色定义：明确模型作为"对话人身份判定专家"
任务说明：清晰描述需要完成的具体任务
输出格式：严格指定JSON返回格式
身份选项：限定可选的说话者身份类型

2. 错误处理机制

复制代码

private static void handleErrorResponse(HttpURLConnection connection, int responseCode) {
    try (BufferedReader reader = new BufferedReader(
            new InputStreamReader(connection.getErrorStream(), StandardCharsets.UTF_8))) {
        
        StringBuilder errorResponse = new StringBuilder();
        String line;
        while ((line = reader.readLine()) != null) {
            errorResponse.append(line);
        }
        System.out.println("HTTP Error: " + responseCode + " - " + errorResponse.toString());
    } catch (IOException e) {
        System.out.println("Error reading error stream: " + e.getMessage());
    }
}

应用示例

输入对话文本：

复制代码

Speaker1：喂。
*******************************************************************************
Speaker2：你好。
*******************************************************************************
Speaker2：您好，您这边是需要恩施地区的二手车源是吗？

大模型返回结果：

复制代码

{"speaker1":"二手车收车商","speaker2":"车源线索销售人员"}

转换后结果：

复制代码

二手车收车商：喂。
*******************************************************************************
车源线索销售人员：你好。
*******************************************************************************
车源线索销售人员：您好，您这边是需要恩施地区的二手车源是吗？

优势与特点

高准确性：利用大语言模型的深层语义理解能力
灵活可配置：通过修改提示词即可适应不同的业务场景
标准化输出：统一的JSON格式便于后续处理
实时处理：支持流式处理，满足实时应用需求

应用场景

智能客服系统：自动识别客户和客服人员对话
语音分析平台：批量处理录音文件并标注说话者身份
质量检测：监控客服对话质量，分析服务流程
数据标注：自动化生成训练数据，减少人工标注成本

总结

本文介绍了一套基于大语言模型的对话人身份识别系统，通过精心设计的提示词和稳定的API调用，实现了从原始对话到角色标注的自动化转换。这种方法不仅提高了处理效率，还保证了识别准确性，为相关领域的应用提供了有力的技术支撑。

该方案具有良好的可扩展性，通过调整提示词中的身份选项，可以轻松适配到金融、医疗、教育等不同行业的对话分析场景中。