如何在Kaldi-Vosk语音转文本系统中获取纯文本自定义输出

方法一：修改Python脚本（从源头过滤，推荐） #

直接修改test_ffmpeg.py，让它只输出text字段的内容，忽略中间的partial相关输出：

修改后的test_ffmpeg.py代码：

#!/usr/bin/env python3

from vosk import Model, KaldiRecognizer, SetLogLevel
import sys
import subprocess
import json

SetLogLevel(0)

sample_rate = 16000
model = Model("..")
rec = KaldiRecognizer(model, sample_rate)

process = subprocess.Popen(['ffmpeg', '-loglevel', 'quiet', '-i',
                        sys.argv[1],
                        '-ar', str(sample_rate) , '-ac', '1', '-f', 's16le', '-'],
                        stdout=subprocess.PIPE)

while True:
    data = process.stdout.read(4000)
    if len(data) == 0:
        break
    if rec.AcceptWaveform(data):
        # 解析JSON结果，提取text字段
        result_json = json.loads(rec.Result())
        print(result_json.get("text", ""))
    # 跳过PartialResult的输出，不打印中间临时结果

# 处理最终结果，提取text字段
final_json = json.loads(rec.FinalResult())
print(final_json.get("text", ""))

修改说明：

• 移除了PartialResult的打印逻辑，不需要中间的临时转录内容
• 对Result()和FinalResult()返回的JSON字符串做解析，仅提取并打印text字段的值
• 使用get("text", "")避免因字段缺失导致的报错

方法二：修改Bash脚本（事后过滤已有JSON内容） #

如果不想修改Python脚本，可以在Bash合并步骤中用jq工具过滤text字段（需先安装jq：sudo apt install jq）：

修改后的Bash脚本：

#!/bin/bash

# 修正原脚本的赋值语法错误
af="$1"
afe="${af}.wav"

python3 chunker.py "$af"

# 转录每个chunk，保留原始JSON输出
for file in "${af}"/*.wav; 
do
    python3 test_ffmpeg.py "$file" >> "${file}.txt"
done 

# 清空总文件后，过滤并合并text字段内容
> "${af}.txt"
for f in "${af}"/*.txt; 
do
    # 提取text字段并过滤空值
    jq -r '.text | select(. != null)' "$f" >> "${af}.txt"
done

说明：

• jq -r '.text'读取JSON内容，提取text字段的原始值（不带引号）
• select(. != null)过滤掉partial类型JSON输出的空值

额外修正：原Bash脚本的语法错误 #

原脚本中afe= $af + ".wav"是错误的Bash赋值语法，应改为afe="${af}.wav"，否则会触发执行错误。

内容的提问来源于stack exchange，提问作者SAGE KHAN