### 实现持续监听麦克风并进行语音识别 为了创建一个能够持续监听麦克风输入并实时处理语音识别的应用，可以采用多种方法和技术栈组合。以下是基于Python的一个解决方案框架。 #### 使用 `pyaudio` 和 `funasr` 对于希望利用 FunASR 进行本地部署或者更灵活配置的情况，可以从安装必要的依赖项开始： ```bash pip install pyaudio funasr ``` 接着定义录音模块，负责捕捉来自用户的音频流，并将其传递给后续的处理逻辑[^1]。 ```python import pyaudio from queue import Queue class MicrophoneStream(object): """Opens a recording stream as a generator yielding the audio chunks.""" def __init__(self, rate=16000, chunk_size=4096): self._rate = rate self._chunk_size = chunk_size # Create a thread-safe buffer of audio data self._buff = Queue() # Open device with specified parameters and start streaming. self._audio_interface = pyaudio.PyAudio() self._stream = self._audio_interface.open( format=pyaudio.paInt16, channels=1, rate=self._rate, input=True, frames_per_buffer=self._chunk_size, stream_callback=self._fill_buffer, ) self.closed = False def _fill_buffer(self, in_data, frame_count, time_info, status_flags): """Continuously collect data from the audio stream""" self._buff.put(in_data) return None, pyaudio.paContinue def generator(self): while not self.closed: try: yield self._buff.get(block=True, timeout=0.1) except Empty: break ``` 随后集成 FunASR 的在线推理接口来进行实际的文字转换工作。 ```python from funasr.utils.io_utils import LoadInputsAndTargets from funasr.bin.asr_inference_launch import inference_modelscope def recognize_speech(audio_generator): model_dir = 'path/to/funasr/model' output_path = './output.txt' inputs_dict = {"speech": []} for content in audio_generator(): inputs_dict["speech"].append(content) load_inputs_and_targets = LoadInputsAndTargets(mode='asr') batch = load_inputs_and_targets(inputs_dict) result = inference_modelscope(model_dir=model_dir)(batch=batch) recognized_text = ''.join([item['value'] for item in result]) with open(output_path, 'w') as f: f.write(recognized_text) return recognized_text ``` 最后，在主程序入口处实例化上述组件并将它们连接起来形成完整的应用程序流程。 ```python if __name__ == "__main__": mic_stream = MicrophoneStream(rate=16000, chunk_size=4096) print("Listening... Press Ctrl+C to stop.") try: text_output = recognize_speech(mic_stream.generator()) print(f"Recognized Text: {text_output}") finally: mic_stream.closed = True mic_stream._stream.stop_stream() mic_stream._stream.close() mic_stream._audio_interface.terminate() ``` 此方案展示了如何使用 Python 结合 PyAudio 库获取原始音频数据以及 FunASR 完成高效的中文语音转写任务。 #### 可选方案：使用 Whisper API 或其他第三方服务 如果倾向于简化开发过程或寻求更好的跨平台兼容性和易用性，则可以选择像 Whisper 这样的预训练模型API或者其他云服务商提供的SDK（如阿里云），这些工具通常提供了更为简便的方法来实现相同的功能需求[^2][^3].