实时语音识别（Python+HTML实战）

原创 已于 2024-03-30 09:29:49 修改 · 4.1k 阅读 · 28 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#语音识别 #python #人工智能

于 2024-03-29 09:42:15 首次发布
本文介绍了如何安装必要的库文件，如Ufunasr和modelscope，运行FunASR的Python服务器脚本并加载模型。后续步骤包括配置本地部署、运行HTML5前端页面以及实现麦克风实时录音和多种音频格式处理功能。

项目下载地址：FunASR

1 安装库文件

项目提示所需要下载的库文件：pip install -U funasr 和 pip install modelscope

运行过程中，我发现还需要下载以下库文件才能正常运行：

下载：pip install websockets，pip install ffmpeg

2 运行 .py 文件

运行 FunASR-main/runtime/python/websocket/funasr_wss_server.py 文件，加载模型

注：如果提示缺少什么模型，就 pip 下载什么模型

部署本地的情况下需要修改默认 host 值 "0.0.0.0" 为 "127.0.0.1"：

  • --host：是 FunASR runtime-SDK 服务部署机器的 ip，默认为本机 ip（127.0.0.1），如果 client 与服务不在同一台服务器，需要改为部署机器 ip
  • --port：10095 是部署的端口号

成功运行结果如下： 

.cache\modelscope\hub\iic\speech_paraformer-la

最低0.47元/天 解锁文章
语音识别（实时语音转录）——funasr的详细部署和使用教程(包括实时语音转录)
qq_34717531的博客
08-13 3万+
阿里达摩院开源大型端到端语音识别工具包FunASR：FunASR提供了在大规模工业语料库上训练的模型，并能够将其部署到应用程序中。工具包的核心模型是Paraformer，这是一个非自回归的端到端语音识别模型，经过手动注释的普通话语音识别数据集进行了训练，该数据集包含60,000小时的语音数据。为了提高Paraformer的性能，本文在标准的Paraformer基础上增加了时间戳预测和热词定制能力。
如何构建FunASR的本地语音识别服务
当 AI 开始写文章、绘星空，甚至预测未来，您还在旁观吗？这里将剖开人工智能的思考逻辑，拆解 AI 创作的底层密码，也聊聊人工智能里的人文温度。每篇都有让你拍案的细节，快来解锁 AI 时代的神奇世界！
07-22 2239
FunASR 是阿里巴巴达摩院开源的高性能语音识别工具包，支持。
FunASR的本地使用及部署
热门推荐
m0_69441654的博客
01-24 1万+
funasr的本地使用流程
使用Funasr部署语音识别websockt案例
最新发布
jsmok_xingkong的博客
10-09 1160
最近在做项目时，需要在服务器端获取客户端的麦克风输入语音，然后将语音识别成文字再返回给客户端。然后体验了阿里开源的，确实让人眼前一亮，主要部署相对简单（但还是走了一些抗，不过是我自己的问题。）其核心的Paraformer模型，号称“非自回归”，实际体验下来，推理速度确实可以，接近实时，对追求效率的应用非常友好。另一个亮点是“一体化”解决方案。它将语音端点检测（VAD）、标点恢复（PUNC）和ASR无缝串联，省去了自己拼接模块的麻烦。而且在这些环节还可以自己替换想用的模型开箱即用的体验极佳。
FunASR模型的环境搭建
weixin_59602119的博客
08-01 5789
如果需要使用ModelScope中发布的预训练模型，需要安装ModelScope。如果无法使用GPU进行预测，可能是没有安装pytorch或者是与其他库版本不兼容。安装GPU版本的pytorch：（注意要根据自己的CDUA版本进行安装）报错解决：如果运行时出现模块未找到的问题，安装对应的模块即可。若手动安装此库也报同样的错误，那就需要去下载相应的库文件。安装完成后在尝试安装FunASR就可以正常安装了。# 或者从github上下载源码后进行源码安装。# 使用git工具克隆源码后进行源码安装。
FunASR实时语音识别内网部署 | 无网络环境中的实时语音识别 | 实时语音识别
Luke Ewin的博客
10-17 3762
本篇文章记录自己在无网络的情况下如何搭建一个实时语音识别的过程，使用的时开源的funasr，支持在CPU和GPU下运行
实时语音识别：Python+Whisper构建智能会议系统.pdf
04-17
从基础语法的细致讲解，到实用项目的实战演练，逐步提升你的编程能力。无论是数据科学领域的数据分析与可视化，还是 Web 开发中的网站搭建，Python 都能游刃有余。无论你是编程小白，还是想进阶的老手，这篇博文都能...
语音识别-基于Python+深度学习实现的中文语音识别算法-附项目源码-优质项目实战.zip
05-18
本项目以Python语言为基础，结合深度学习算法，实现了一个高效的中文语音识别系统。 首先，项目采用的Python语言因其简洁明了、易于学习的语法特点，成为了当前人工智能研究与开发的首选语言。Python丰富的库资源，...
Python 实时语音识别
TEDxPY
08-01 6251
Python 实时语音识别语音识别语音识别API语音识别步骤效果展示代码下载 最近自己想接触下语音识别，经过一番了解和摸索，实现了对语音识别API的简单调用，正好写文章记录下。目前搜到的帖子里，有现成的调用百度语音API来对音频文件进行识别的；也有通过谷歌语音服务来实现了实时语音识别的。由于我这谷歌语音一直调用不成功，就将二者结合，简单实现了通过百度语音API来进行实时语音识别。 语音识别 语音识...
使用FunASR处理语音识别
FlyLikeButterfly的博客
04-25 9164
使用FunASR处理语音识别；
html语音识别
01-23
使用juliusjs，实时的去获取语音输入，对输入的语音进行分析，并转换成文字，相比于restful模式的WEB端的人工智能语音识别，速度更快，减少后台的负载压力
html 语音识别
04-01
html 在线语音识别，直接可用，仅供学习，禁止商业用途，如需商业请寻找科大讯飞合作谢谢。
HTML5语音识别
05-27
HTML5录音并压缩改良版，并调用百度语音识别完成语音识别。
基于funasr+pyaudio实现电脑本地麦克风实时语音识别项目语音转文本python实现
FL1623863129的博客
07-29 6186
【代码】基于funasr+pyaudio实现电脑本地麦克风实时语音识别项目语音转文本python实现。
HTML5语音输入和语音识别
JdkwOle的博客
09-19 2394
通过Speech Recognition API，我们可以实现类似于语音助手的功能，将用户的语音指令转换成文字，并进行相应的操作。Speech Input API是HTML5提供的一项功能，可以用于在网页中接收用户的语音输入。通过简单的几行代码，我们就可以在页面中添加一个语音输入的文本框。根据转换后的文字内容，我们可以编写相应的代码来实现不同的操作。需要注意的是，Speech Input API和Speech Recognition API在不同的浏览器中的前缀可能不同，上述代码中使用了。
FunASR实时语音听写便捷部署教程
sinat_20991985的博客
02-27 4641
FunASR实时语音听写便捷部署教程FunASR提供可便捷本地或者云端服务器部署的实时语音听写服务，内核为FunASR已开源的runtime-SDK。FunASR集成了达摩院语音实验室在Modelscope社区开源的语音端点检测(VAD)、Paraformer-large非流式语音识别(ASR)、Paraformer-large流式语音识别(ASR)、标点预测(PUNC) 等相关能力。软件包既可以实时地进行语音转文字，而且能够在说话句尾用高精度的转写文字修正输出，输出文字带有标点，支持高并发多路请求。
基于Whisper语音识别的实时视频字幕生成 (二): 在线实时字幕
Pika
04-09 1724
基于whisper的流式语音识别
PS D:\P> & C:/Users/SUNJINGKUN/AppData/Local/Programs/Python/Python313/python.exe d:/P/Python练习/爬/练习.py DevTools listening on ws://127.0.0.1:55097/devtools/browser/8d8b9fee-0c94-40ee-91e1-1d9dc96c15b3 [22840:5788:0724/150410.816:ERROR:ui\gl\direct_composition_support.cc:615] AMD VideoProcessorGetOutputExtension failed: 鏈寚瀹氱殑閿欒 (0x80004005) <selenium.webdriver.remote.webelement.WebElement (session="879172169ddf15fd02d32fe598ec75cd", element="f.86B6C4C85FED9A1B63BF3EC5400C5C75.d.AD0BAAB3B5E4CFFF5F0C3793310DB8AE.e.6")> PS D:\P> & C:/Users/SUNJINGKUN/AppData/Local/Programs/Python/Python313/python.exe d:/P/Python练习/爬/练习.py WARNING: All log messages before absl::InitializeLog() is called are written to STDERR I0000 00:00:1753340830.597245 2108 voice_transcription.cc:58] Registering VoiceTranscriptionCapability WARNING: All log messages before absl::InitializeLog() is called are written to STDERR I0000 00:00:1753340830.884276 13664 voice_transcription.cc:58] Registering VoiceTranscriptionCapability [14584:24940:0724/150712.908:ERROR:google_apis\gcm\engine\registration_request.cc:291] Registration response error message: DEPRECATED_ENDPOINT DevTools listening on ws://127.0.0.1:55642/devtools/browser/8394dc33-48c2-413e-8cc4-825cc4f6bf19 [22060:21460:0724/150714.248:ERROR:ui\gl\direct_composition_support.cc:615] AMD VideoProcessorGetOutputExtension failed: 鏈寚瀹氱殑閿欒 (0x80004005) <selenium.webdriver.remote.webelement.WebElement (session="b6163e89b6df112c2271ee47cab2c39a", element="f.60E66B6D23C3F095058ABEAE2BE4BE20.d.A0284DC44AE03878932D3B9173CE41AB.e.6")>有很多我不想要的
07-25
<think>我们注意到用户运行Selenium脚本时，控制台输出了很多日志信息，包括一些警告和错误。用户希望减少这些不必要的信息。 这些信息包括： - DevTools listening on ... - ERROR:ui\gl\direct_composition_support.cc:615] AMD VideoProcessorGetOutputExtension failed: ... - WARNING: All log messages before absl::InitializeLog() is called are written to STDERR - I0000 00:00:...] Registering VoiceTranscriptionCapability - ERROR:google_apis\gcm\engine\registration_request.cc:291] Registration response error message: DEPRECATED_ENDPOINT 这些日志信息主要来自Chrome浏览器和其驱动，以及一些额外的模块（如语音转录、GCM等）。虽然它们不影响脚本执行，但可能会干扰用户。 解决方案：通过配置Chrome选项和Chromedriver服务选项来减少日志输出。 具体步骤： 1. 设置Chrome选项： - 添加参数 `--log-level=3` 将Chrome日志级别设置为只显示致命错误（FATAL）。 - 添加参数 `--disable-logging` 可以禁用Chrome的日志输出。 - 添加参数 `--disable-gpu` 可以避免GPU相关的错误日志（如AMD错误）。 - 添加参数 `--disable-software-rasterizer` 禁用软件光栅化器，减少相关日志。 2. 设置Chromedriver服务选项： - 通过`Service`类，我们可以设置Chromedriver的日志级别，将输出重定向到空或者设置日志级别为严重错误（SEVERE）或关闭。 3. 禁用不需要的功能： - 如果不需要语音转录功能，可以通过实验性选项禁用语音识别（`--disable-features=VoiceTranscription`）来避免相关日志。 4. 注意：有些错误（如DEPRECATED_ENDPOINT）可能是由于浏览器内部调用已弃用的端点，这通常无法通过Selenium直接控制，但更新浏览器版本可能解决。 代码示例：</think>根据你的输出信息，你遇到了多种类型的日志信息，包括警告(WARNING)、信息(I)和错误(ERROR)。这些信息主要来自Chrome浏览器和其底层组件，与Selenium操作无关。让我详细解释如何解决这个问题： ## 🔍 问题分析 你遇到的日志信息可以分为几类： 1. **DevTools监听信息**：`DevTools listening on ws://127.0.0.1:...` - 这是Chrome的正常调试信息，表示DevTools正在监听WebSocket连接 - **无害但可能干扰输出** 2. **GPU错误**：`ERROR:ui\gl\direct_composition_support.cc:615] AMD VideoProcessorGetOutputExtension failed: ...` - 这是GPU渲染相关的错误 - **不影响Selenium功能** 3. **语音转录注册**：`I0000 00:00:... voice_transcription.cc:58] Registering VoiceTranscriptionCapability` - Chrome的语音转录功能初始化信息 - **无害但可能干扰输出** 4. **API端点弃用错误**：`ERROR:google_apis\gcm\engine\registration_request.cc:291] Registration response error message: DEPRECATED_ENDPOINT` - Chrome内部API调用使用了已弃用的端点 - **不影响Selenium功能** 5. **WebElement信息**：`<selenium.webdriver.remote.webelement.WebElement ...>` - 这是Selenium定位元素后返回的对象信息 - **正常输出但可能不需要** ## ✅ 解决方案 ### 1. 完全禁用所有Chrome日志输出 ```python from selenium import webdriver from selenium.webdriver.chrome.options import Options from selenium.webdriver.chrome.service import Service import logging # 设置Chrome选项 chrome_options = Options() chrome_options.add_argument('--no-sandbox') chrome_options.add_argument('--disable-gpu') chrome_options.add_argument('--log-level=3') # 只显示FATAL错误 chrome_options.add_argument('--disable-logging') # 禁用所有日志 chrome_options.add_experimental_option('excludeSwitches', ['enable-logging']) # 禁用语音转录功能 chrome_options.add_argument('--disable-features=VoiceTranscription') # 配置服务选项 service = Service( executable_path='d:/P/Python练习/爬/chromedriver.exe', service_args=['--silent', '--disable-build-check'] # 静默模式 ) # 创建浏览器实例 driver = webdriver.Chrome(service=service, options=chrome_options) # 禁用Selenium的日志输出 logging.getLogger('selenium').setLevel(logging.WARNING) logging.getLogger('urllib3').setLevel(logging.WARNING) # 打开网页 driver.get('https://www.baidu.com') # 定位元素但不打印 element = driver.find_element('id', 'kw') # 不打印元素信息 # 关闭浏览器 driver.quit() ``` ### 2. 重定向日志输出到文件（保留错误信息但不在控制台显示） ```python import sys import logging # 配置日志重定向 logging.basicConfig( filename='selenium.log', level=logging.ERROR, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s' ) # 将标准错误重定向到文件 sys.stderr = open('errors.log', 'w') ``` ### 3. 完全禁用所有控制台输出（极端情况） ```python import os import sys from selenium import webdriver from selenium.webdriver.chrome.options import Options from selenium.webdriver.chrome.service import Service # 重定向所有输出 sys.stdout = open(os.devnull, 'w') sys.stderr = open(os.devnull, 'w') # 设置Chrome选项 chrome_options = Options() chrome_options.add_argument('--headless=new') # 无头模式 chrome_options.add_argument('--disable-logging') chrome_options.add_argument('--log-level=3') # 创建服务 service = Service('d:/P/Python练习/爬/chromedriver.exe') service.creation_flags = 0x08000000 # 隐藏控制台窗口 # 创建浏览器 driver = webdriver.Chrome(service=service, options=chrome_options) # 执行操作... driver.get('https://www.baidu.com') # 恢复输出 sys.stdout = sys.__stdout__ sys.stderr = sys.__stderr__ driver.quit() ``` ## ✅ 各参数作用说明 | 参数/选项 | 作用 | |-----------|------| | `--log-level=3` | 只显示FATAL级别的错误 | | `--disable-logging` | 完全禁用Chrome日志 | | `--disable-gpu` | 禁用GPU加速，减少相关错误 | | `--disable-features=VoiceTranscription` | 禁用语音转录功能 | | `service_args=['--silent']` | 静默运行chromedriver | | `logging.getLogger('selenium').setLevel(logging.WARNING)` | 减少Selenium库的日志输出 | | `sys.stderr = open('errors.log', 'w')` | 将错误重定向到文件 | ## ✅ 总结 | 日志类型 | 解决方案 | 是否必要处理 | |---------|----------|--------------| | DevTools监听信息 | `--disable-logging` | 可选 | | GPU错误 | `--disable-gpu` | 推荐 | | 语音转录注册 | `--disable-features=VoiceTranscription` | 可选 | | API端点弃用 | 无法直接控制 | 可忽略 | | WebElement信息 | 不打印定位结果 | 推荐 | --- ###
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

瑞雪兆我心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值