Funsound语音识别技术之 语音识别多路并发转写

免费语音识别转写（优于讯飞）：www.funsound.cn
Funsound语音识别工具包：https://github.com/pika-online/Funsound/tree/main

1. 前言

本文主要介绍一种简单的多路语音识别转写部署方案，基于多线程开发实现后台同时转写多个音频文件，这里给出简易实现思路，具体构建服务端/客户端 离线语音转写请参考Funsound工具包代码，本文以部署多个whisper语音转写引擎为例

2. 思路

1. 初始化 K个 语音识别引擎
2. 为每个引擎分配一个worker（线程），构建线程组workers
3. 向workers提交待转写音频，workers会自动调度，将任务分配给最闲的worker进行转写，返回task_id
4. 对每个音频根据task_id 轮询进度，直至完成。

3. 流程

3.1 初始化ASR引擎

from funsound.whisper.asr import ASR 

def init_engine():
    engine = ASR(model_id='funasr_models/keepitsimple/faster-whisper-large-v3',
                cfg_file='conf/whisper.yaml',
                log_file=f'log/whisper-{id}.log')
    engine.init_state(id)
    return engine

3.2 定义worker

from funsound.common.executor import Worker
def processor(self,params):
    audio_file = params[0]
    result = self.engine.inference(audio_file)
    return result

Worker.processor = processor

3.3 初始化多路待命引擎

nj = 5 # 开启5路
workers = []
for id in range(nj):
    engine = init_engine(id)
    worker = Worker(wid=id,log_file=f'log/worker-{id}.log')
    worker.load_engine(engine=engine)
    workers.append(worker)
launch(workers)

3.4 提交音频转写任务

audio_file = "funsound/examples/test1.wav"
task_id = submit_task(workers,params=[audio_file])

音频会分配给最闲的worker处理

3.5 轮询进度直至转写完成

while 1:
        prgs = get_task_progress(task_id)
        print(prgs)
        if prgs['status'] in ["SUCCESS","FAIL"]:
            break
        time.sleep(1)

获取识别结果：