WeNet语音识别调用通义千问

原创

已于 2023-12-31 15:25:02 修改 · 1.9k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#语音识别 #人工智能 #通义千问

于 2023-12-31 13:42:50 首次发布

本文介绍了一种通过WeNet语音识别技术与通义千问(Qwen-72B-ChatBot)结合的Gradio应用，用户可以通过语音与聊天机器人进行连续对话，同时展示了如何在Gradio界面中实现语音转文本、交互历史管理和简单系统设置。

WeNet语音识别调用通义千问

WeNet语音识别对通义千问（Qwen-72B-Chat Bot）调用，首先通过WeNet将用户的语音输入转录为文本，然后将此文本输入通用问答模型以获取答案。

本人原创作品，体验一下
在这里插入图片描述

在这里插入图片描述

连续对话

WeNet语音识别部分：使用WeNet库将录制的语音转换为文本。通过载入中文模型(chs_model)并使用其功能，对录制的语音进行转录处理。生成的文本作为用户输入被传递到下一步。

Qwen-72B-Chat Bot交互部分：利用Dashscope库实现与Qwen-72B-Chat Bot的交互。根据用户的文本输入与Chat Bot进行交互，发送用户输入的文本并接收Chat Bot的回复。这里的逻辑在model_chat函数中完成，通过Generation.call()函数向Chat Bot发送消息并获取回复。

Gradio界面设计： Gradio库用于创建用户界面，包括麦克风录音输入、文本框显示以及清除历史和设置系统功能的按钮。在界面设计中，使用了Microphone、Textbox、Button和Chatbot等组件，允许用户进行语音输入并查看对话的交互结果。

整个代码的目的是提供一个基于Gradio的界面，使用户能够通过语音与Qwen-72B-Chat Bot进行交互，并展示对话历史、系统状态等信息。

这样的集成将语音识别和聊天机器人交互结合在一起，为用户提供了一个使用简单且直观的界面，以便通过语音进行问题提问与回答。

实现代码

import os
os.system('pip install dashscope')
os.system('pip install soundfile')
import gradio as gr
from http import HTTPStatus
import dashscope
from dashscope import Generation
from dashscope.api_entities.dashscope_response import Role
from typing import List, Optional, Tuple, Dict
from urllib.error import HTTPError
import wenet
import soundfile as sf


default_system = 'You are a helpful assistant.'
chs_model = wenet.load_model('chinese')
YOUR_API_TOKEN = os.getenv('YOUR_API_TOKEN')
dashscope.api_key = YOUR_API_TOKEN
History = List[Tuple[str, str]]
Messages = List[Dict[str, str]]

def clear_session() -> History:
    return []

def modify_system_session(system: str) -> str