vosk-ASR python调用[AI人工智能(五十一)]—东方仙盟

核心代码

客户端完整代码

#!/usr/bin/env python3

import wave
import sys
import traceback

from websocket import create_connection

ws = create_connection("ws://localhost:2700")

wf = wave.open(sys.argv[1], "rb")
ws.send('{ "config" : { "sample_rate" : %d } }' % (wf.getframerate()))
buffer_size = int(wf.getframerate() * 0.2) # 0.2 seconds of audio

try:

    while True:
        data = wf.readframes(buffer_size)

        if len(data) == 0:
            break

        ws.send_binary(data)
        print (ws.recv())
    ws.send('{"eof" : 1}')
    print (ws.recv())

except Exception as err:
    print(''.join(traceback.format_exception(type(err), err, err.__traceback__)))

基于 Vosk 语音识别引擎、通过 WebSocket 协议实现音频文件实时转写的 Python 代码。Vosk 是一款开源离线语音识别工具，代码核心逻辑是把音频文件切成小块，通过 WebSocket 传给本地 Vosk 服务，逐段获取识别结果，最后完成完整转写。下面用初学者能懂的语言（少量东方仙盟比喻）拆解代码的每一部分。

一、代码整体作用

这段代码的核心功能：读取本地 WAV 格式音频文件 → 建立与本地 Vosk WebSocket 服务的连接 → 按固定时长切割音频数据 → 逐段发送音频数据给 Vosk 服务 → 实时接收并打印语音识别结果 → 发送结束信号并获取最终识别结果。可以类比成：你（代码）是 "东方仙盟" 的传讯弟子，要把一卷长音频 "天书" 拆成小份，通过 "WebSocket 仙桥" 传给盟里的 "Vosk 语音仙师"，仙师看完一小份就告诉你内容，直到整卷天书解读完毕。

二、逐行代码解释

python

运行

#!/usr/bin/env python3

• 作用：指定代码用 Python3 解释器运行，是 Linux/macOS 系统的 "约定"，Windows 下可忽略。
• 比喻：相当于给 "传讯弟子" 指定了专属的 "修行法门（Python3）"，确保执行规则统一。

python

运行

import wave
import sys
import traceback
from websocket import create_connection

• 导入核心库：
  • wave：Python 内置库，专门读取 WAV 格式音频文件（处理音频的 "天书解码器"）；
  • sys：获取命令行参数（接收外界传入的 "天书路径"）；
  • traceback：捕获并打印详细的错误信息（记录 "传讯过程中的差错"）；
  • websocket.create_connection：创建 WebSocket 连接（搭建和 "Vosk 仙师" 沟通的 "仙桥"）。

python

运行

ws = create_connection("ws://localhost:2700")

• 核心操作：连接本地 2700 端口的 Vosk WebSocket 服务。
• 前提：你需要先启动 Vosk 的 WebSocket 服务（比如通过vosk-server-websocket命令），否则会报错 "连接失败"。
• 比喻：弟子通过 "仙桥"（WebSocket）连接到仙师的洞府（localhost:2700），准备传讯。

python

运行

wf = wave.open(sys.argv[1], "rb")

• 作用：读取命令行传入的第一个参数（即 WAV 音频文件路径），以二进制只读模式打开。
• 示例：运行代码时需输入python3 代码名.py 音频文件.wav，sys.argv[1]就是 "音频文件.wav"。
• 比喻：弟子拿到外界送来的 "天书"（音频文件），用 "解码器"（wave.open）打开准备拆解。

python

运行

ws.send('{ "config" : { "sample_rate" : %d } }' % (wf.getframerate()))

• 作用：向 Vosk 服务发送配置信息，核心是告知音频的采样率（wf.getframerate()获取 WAV 文件的采样率，比如 16000Hz）。
• 比喻：弟子先告诉仙师 "天书的文字编码规则（采样率）"，确保仙师能看懂后续的内容。

python

运行

buffer_size = int(wf.getframerate() * 0.2) # 0.2 seconds of audio

• 作用：计算每次发送的音频数据长度，即 "0.2 秒的音频帧数量"（采样率 × 时长）。比如采样率 16000 时，buffer_size=3200，每次读 3200 帧（0.2 秒）。
• 比喻：弟子把 "天书" 按 "每 0.2 页" 切成小份，避免一次传太多导致仙桥拥堵。

python

运行

try:
    while True:
        data = wf.readframes(buffer_size)
        if len(data) == 0:
            break
        ws.send_binary(data)
        print (ws.recv())
    ws.send('{"eof" : 1}')
    print (ws.recv())

• 核心逻辑（逐行拆解）：
  1. while True：循环读取音频数据，直到读完；
  2. data = wf.readframes(buffer_size)：读取 buffer_size 帧的音频数据（0.2 秒）；
  3. if len(data) == 0: break：如果没有数据了（音频读完），退出循环；
  4. ws.send_binary(data)：以二进制形式发送音频数据给 Vosk 服务；
  5. print (ws.recv())：接收 Vosk 返回的实时识别结果并打印；
  6. ws.send('{"eof" : 1}')：发送 "EOF（文件结束）" 信号，告知 Vosk 音频已传完；
  7. print (ws.recv())：接收最终的完整识别结果。
• 比喻：弟子循环切分 "天书"，每次送一小份给仙师，仙师看完立刻告诉弟子解读结果；等天书全送完，弟子说 "解读完毕"，仙师给出最终的完整解读。

python

运行

except Exception as err:
    print(''.join(traceback.format_exception(type(err), err, err.__traceback__)))

• 作用：捕获代码运行中的所有异常（比如连接断开、音频文件不存在、采样率不匹配等），并打印详细的错误堆栈，方便排查问题。
• 比喻：如果传讯过程中仙桥断了、天书损坏，弟子会记录详细的 "差错日志"，方便后续排查。

三、初学者使用前的准备

1. 环境安装：

   • 安装依赖库：pip install wave websocket-client vosk（注意：wave 是 Python 内置库，无需额外装；websocket-client 是 WebSocket 连接的核心库）；

   • 下载 Vosk 模型：从 Vosk 官网（https://alphacephei.com/vosk/models）下载对应语言的模型（比如中文模型vosk-model-small-cn-0.22）；

   • 启动 Vosk WebSocket 服务： bash

     运行

     vosk-server-websocket -m 模型路径 -p 2700

     （-m 指定模型路径，-p 指定端口 2700，和代码中的ws://localhost:2700对应）。

2. 音频文件要求：

   • 必须是 WAV 格式；
   • 采样率需和 Vosk 模型匹配（比如中文小模型是 16000Hz）；
   • 单声道、16 位深度（Vosk 的默认要求）。

四、运行示例

假设你有一个 16000Hz 采样率的中文 WAV 音频文件test.wav，步骤：

1. 启动 Vosk WebSocket 服务：vosk-server-websocket -m vosk-model-small-cn-0.22 -p 2700；
2. 运行代码：python3 asr_code.py test.wav；
3. 输出：逐段打印实时识别结果，最后打印完整结果（JSON 格式，包含识别的文字）。

总结

1. 核心逻辑：通过 WebSocket 将 WAV 音频按固定时长分片发送给本地 Vosk 服务，实时获取语音识别结果，最后发送结束信号获取完整结果；
2. 关键前提：需先启动 Vosk WebSocket 服务、确保音频格式（WAV、采样率匹配、单声道）符合要求；
3. 核心库作用：wave读音频、websocket建立连接、sys获取命令行参数，异常捕获确保代码鲁棒性。

（东方仙盟比喻总结：代码像 "传讯弟子"，WebSocket 是 "仙桥"，Vosk 是 "语音仙师"，音频文件是 "天书"，拆解发送是为了 "高效解读"，最终得到 "天书的文字内容（识别结果）"。）

东方仙盟：拥抱知识开源，共筑数字新生态

在全球化与数字化浪潮中，东方仙盟始终秉持开放协作、知识共享的理念，积极拥抱开源技术与开放标准。我们相信，唯有打破技术壁垒、汇聚全球智慧，才能真正推动行业的可持续发展。

开源赋能中小商户：通过将前端异常检测、跨系统数据互联等核心能力开源化，东方仙盟为全球中小商户提供了低成本、高可靠的技术解决方案，让更多商家能够平等享受数字转型的红利。

共建行业标准：我们积极参与国际技术社区，与全球开发者、合作伙伴共同制定开放协议 与技术规范，推动跨境零售、文旅、餐饮等多业态的系统互联互通，构建更加公平、高效的数字生态。

知识普惠，共促发展：通过开源社区 、技术文档与培训体系，东方仙盟致力于将前沿技术转化为可落地的行业实践，赋能全球合作伙伴，共同培育创新人才，推动数字经济 的普惠式增长

阿雪技术观

在科技发展浪潮中，我们不妨积极投身技术共享。不满足于做受益者，更要主动担当贡献者。无论是分享代码、撰写技术博客，还是参与开源项目 维护改进，每一个微小举动都可能蕴含推动技术进步的巨大能量。东方仙盟是汇聚力量的天地，我们携手在此探索硅基 生命，为科技进步添砖加瓦。

Hey folks, in this wild tech - driven world, why not dive headfirst into the whole tech - sharing scene? Don't just be the one reaping all the benefits; step up and be a contributor too. Whether you're tossing out your code snippets , hammering out some tech blogs, or getting your hands dirty with maintaining and sprucing up open - source projects, every little thing you do might just end up being a massive force that pushes tech forward. And guess what? The Eastern FairyAlliance is this awesome place where we all come together. We're gonna team up and explore the whole silicon - based life thing, and in the process, we'll be fueling the growth of technology