You need to enable JavaScript to run this app.
文档中心
AI 数据湖服务

AI 数据湖服务

复制全文
音频识别
语音转文字(FireRed)
复制全文
语音转文字(FireRed)

算子介绍

描述

语音识别模块 - 基于 FireRed ASR 模型的多语言语音转文字解决方案

核心功能

  • 多语言识别:支持中英文、以及中文方言
  • 多模型选择:支持多种模型,包括AED模型和LLM模型
  • 音频类型: 支持单声道、16K采样率的wav音频文件

推荐实践

  • 为保证识别效果,对于AED模型,建议音频长度不超过60s;对于LLM模型,建议音频长度不超过30s
  • 使用LLM进行批量推理时,建议确保音频长度差异不大,如差异较大,建议设置batch_size=1
  • 使用之前建议对音频进行标准化处理,转化成该算子支持的音频文件

支持模型

  • FireRedASR-AED-L
  • FireRedASR-LLM-L

Daft 调用

算子参数

输入

输入列名

说明

contents

包含音频数据的数组,元素类型为字符串(文件路径或URL)。 支持本地文件路径以及tos://、s3://、http://、https://开头的远程文件链接

contents_ids

包含音频数据的数组,元素类型为字符串,用于唯一标识音频 默认值:None

输出

处理后的数组,元素为每个音频的理解结果文本。对于处理失败的音频,返回空字符串。

参数

如参数没有默认值,则为必填参数

参数名称

类型

默认值

描述

audio_src_type

str

音频格式类型 支持的音频格式类型,包含: - tos/http 地址(audio_url) - base64 编码(audio_base64) - 二进制流(audio_binary) 可选值:["audio_binary", "audio_url", "audio_base64"]

model_path

str

/opt/las/models

模型存储路径 默认值:"/opt/las/models"

model_name

str

FireRedAsr/FireRedASR-AED-L

模型名称 支持的FireRed系列模型: - FireRedAsr/FireRedASR-AED-L: 小模型 - FireRedAsr/FireRedASR-LLM-L: 大模型 可选值:[ "FireRedAsr/FireRedASR-AED-L", "FireRedAsr/FireRedASR-LLM-L" ] 默认值:"FireRedAsr/FireRedASR-AED-L"

batch_size

int

1

单次处理的音频样本数量 默认值:1

beam_size

int

3

解码时的beam宽度 控制解码时的搜索空间大小,数值越大,识别准确率可能提升但速度变慢 默认值:3

decode_min_len

int

0

最小解码长度 限制输出文本的最小长度,0表示不限制 默认值:0

decode_max_len

int

0

最大解码长度 限制输出文本的最大长度,0表示不限制 默认值:0

nbest

int

1

AED模型输出候选数 控制输出的候选文本数量,仅AED模型有效 默认值:1

softmax_smoothing

float

1.25

AED模型softmax平滑系数 调整softmax分布的平滑程度,仅AED模型有效 默认值:1.25

aed_length_penalty

float

0.6

AED模型长度惩罚 控制输出文本长度的惩罚系数,仅AED模型有效 默认值:0.6

eos_penalty

float

1.0

AED模型终止符惩罚 控制终止符的惩罚系数,仅AED模型有效 默认值:1.0

repetition_penalty

float

3.0

LLM模型重复惩罚 控制生成文本时重复内容的惩罚系数,仅LLM模型有效 默认值:3.0

llm_length_penalty

float

1.0

LLM模型长度惩罚 控制生成文本长度的惩罚系数,仅LLM模型有效 默认值:1.0

temperature

float

1.0

温度系数 控制生成文本的随机性(0.0-1.0) 较高值适合创造性场景,较低值适合确定性场景 默认值:1.0

use_fp16

bool

False

是否使用FP16推理 是否启用半精度浮点数加速推理,节省显存 默认值:False

调用示例

下面的代码展示了如何使用 daft 运行算子将语音转换为文字。

from __future__ import annotations

import logging
import os

import daft
from daft import col
from daft.las.functions.audio.audio_asr_firered import AudioAsrFireRed
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    if os.getenv("DAFT_RUNNER", "ray") == "ray":

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        import ray

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    tos_dir_url = os.getenv("TOS_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")
    samples = {
        "audio_path": [
            f"https://{tos_dir_url}/public/shared_audio_dataset/sample_normal.wav"
        ]
    }

    model_path = os.getenv("MODEL_PATH", "/opt/las/models")
    audio_src_type = "audio_url"
    beam_size = 3
    decode_min_len = 0
    decode_max_len = 100
    nbest = 1
    softmax_smoothing = 1.25
    aed_length_penalty = 0.6
    eos_penalty = 1.0
    repetition_penalty = 3.0
    llm_length_penalty = 1.0
    temperature = 1.0
    use_fp16 = True
    batch_size = 1
    num_gpus = 1

    df = daft.from_pydict(samples)

    # 每个UDF都需要1个GPU,如果只有一个GPU,请注释掉一个UDF的代码只运行另一个
    df = df.with_column(
        "asr_result_aed",
        las_udf(
            AudioAsrFireRed,
            construct_args={
                "audio_src_type": audio_src_type,
                "model_path": model_path,
                "model_name": "FireRedAsr/FireRedASR-AED-L",
                "batch_size": batch_size,
                "beam_size": beam_size,
                "decode_min_len": decode_min_len,
                "decode_max_len": decode_max_len,
                "nbest": nbest,
                "softmax_smoothing": softmax_smoothing,
                "aed_length_penalty": aed_length_penalty,
                "eos_penalty": eos_penalty,
            },
            num_gpus=num_gpus,
            batch_size=1,
            concurrency=1,
        )(col("audio_path")),
    )

    df = df.with_column(
        "asr_result_llm",
        las_udf(
            AudioAsrFireRed,
            construct_args={
                "audio_src_type": audio_src_type,
                "model_path": model_path,
                "model_name": "FireRedAsr/FireRedASR-LLM-L",
                "batch_size": batch_size,
                "beam_size": beam_size,
                "decode_min_len": decode_min_len,
                "decode_max_len": decode_max_len,
                "repetition_penalty": repetition_penalty,
                "llm_length_penalty": llm_length_penalty,
                "use_fp16": use_fp16,
                "temperature": temperature,
            },
            num_gpus=num_gpus,
            batch_size=1,
            concurrency=1,
        )(col("audio_path")),
    )
    df.show()

    # ╭────────────────────────────────┬────────────────────────────────────────────┬───────────────────────────────────────────╮
    # │ audio_path                     ┆ asr_result_aed                             ┆ asr_result_llm                            │
    # │ ---                            ┆ ---                                        ┆ ---                                       │
    # │ Utf8                           ┆ Utf8                                       ┆ Utf8                                      │
    # ╞════════════════════════════════╪════════════════════════════════════════════╪═══════════════════════════════════════════╡
    # │ https://las-cn-beijing-publ…   ┆ 人我保住了金我取到了俺老孙啥功名不要只求回        ┆ 人我保住了金我取到了俺老孙啥功名不要只求         │
    # │                                ┆ 到这花果山终老过…                             ┆ 回到这花果山中了过…                          │
    # ╰────────────────────────────────┴────────────────────────────────────────────┴───────────────────────────────────────────╯
最近更新时间:2026.03.30 14:23:36
这个页面对您有帮助吗?
有用
有用
无用
无用