Speech Recognition

Convert QQ voice messages in AMR/SILK format to text using pysilk decoding and faster-whisper transcription.

Speech Recognition 语音识别

将 AMR/SILK 格式的语音转换为文字。

环境要求

• Python 虚拟环境：source /opt/conda/bin/activate py314
• 依赖包：pysilk, faster-whisper
• 模型路径：/opt/workspace/yby_workspace/whisper-model

使用方式

python

from skills.speech_recognition import transcribe_audio

text = transcribe_audio("/path/to/audio.amr")
print(text)

实现逻辑

1. 读取 AMR/SILK 格式文件
2. 使用 pysilk 解码为 PCM 数据
3. 保存为 WAV 文件
4. 使用 faster-whisper 转写为文字
5. 返回识别结果

支持格式

• QQ 语音：.amr (SILK_V3 编码)
• 标准 AMR：amr, amrnb, amrwb

依赖安装

bash

source /opt/conda/bin/activate py314
pip install pysilk faster-whisper

模型下载

需要从 HuggingFace 下载 faster-whisper 模型：

bash

python3 -m huggingface_hub snapshot-download \
  --repo-type model \
  --repo-id Systran/faster-whisper-base \
  --local-dir /opt/workspace/yby_workspace/whisper-model

需要的文件：

• model.bin
• config.json
• tokenizer.json
• vocabulary.txt