StackFlow AI Platform
设备开发 & 快速上手
模型介绍
Qwen3
DeepSeek-R1
AI Pyramid 应用案例
Module LLM 应用案例
CV 视觉应用
VLM 多模态
LLM 大语言模型
语音助手
语音转文本
通过API接口实现输入语音转换输出文本。
准备工作
案例程序执行前需在设备中安装对应的model模型包。模型包安装教程可参考模型列表章节。模型详细介绍参考模型介绍章节。
在运行本示例程序之前，请确保已在 LLM 设备上完成以下准备工作：
- 使用 apt 包管理工具安装 SenseVoice 模型包。
apt install llm-model-sense-voice-small-10s-ax650- 安装
ffmpeg工具。
apt install ffmpeg- 安装完成后，重启 OpenAI 服务以使新模型生效。
systemctl restart llm-openai-api案例程序
在 PC 端通过 OpenAI API 传入音频文件实现语音转换文本功能，案例程序执行前将下方 base_url 的IP部分修改为设备实际IP地址。
from openai import OpenAI
client = OpenAI(
api_key="sk-",
base_url="http://192.168.20.186:8000/v1"
)
audio_file = open("speech.mp3", "rb")
transcript = client.audio.transcriptions.create(
model="sense-voice-small-10s-ax650",
file=audio_file
)
print(transcript)请求参数
| 参数名称 | 类型 | 必选 | 示例值 | 描述 |
|---|---|---|---|---|
| file | file | 是 | - | 要转录的音频文件对象（非文件名），支持格式包括 flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav、webm |
| model | string | 是 | sense-voice-small-10s-ax650 | SenseVoice 模型支持中英日粤韩等多语言自动识别 |
| language | string | 否 | - | 模型内部自动识别语言 |
| response_format | string | 否 | json | 返回格式，目前仅支持 json，默认值为 json |
返回示例
Transcription(text=' Thank you. Thank you everybody. All right everybody go ahead and have a seat. How\'s everybody doing today? .....',
logprobs=None, task='transcribe', language='en', duration=334.234, segments=12, sample_rate=16000, channels=1, bit_depth=16)