- name
- feishu-asr
- description
- 使用本地Whisper模型识别飞书语音消息。离线免费，不需要注册，不需要联网。
飞书语音识别 ASR
触发条件
- 用户发送飞书语音消息
- 用户要求将语音转为文字
- 用户提到"语音识别"、"转文字"
工作流程
1. 获取语音文件
从飞书消息中获取语音文件的file_key，下载为.ogg或.m4a格式。
2. 音频格式转换
使用Python soundfile将音频转换为16kHz采样的WAV格式：
import soundfile as sf
audio, sr = sf.read(voice_file)
# 如果是立体声，转为单声道
if len(audio.shape) > 1:
audio = audio.mean(axis=1)
sf.write('output.wav', audio, 16000)3. 使用Whisper识别
import os
os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com' # 国内镜像
from transformers import WhisperForConditionalGeneration, WhisperProcessor, WhisperFeatureExtractor
import soundfile as sf
# 读取音频
audio, sr = sf.read('output.wav')
if len(audio.shape) > 1:
audio = audio.mean(axis=1)
# 加载模型
processor = WhisperProcessor.from_pretrained('openai/whisper-tiny')
model = WhisperForConditionalGeneration.from_pretrained('openai/whisper-tiny')
feature_extractor = WhisperFeatureExtractor.from_pretrained('openai/whisper-tiny')
# 识别
input_features = feature_extractor(audio, sampling_rate=16000, return_tensors='pt').input_features
with torch.no_grad():
predicted_ids = model.generate(input_features)
result = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]依赖安装
pip install torch transformers soundfile模型选择
- whisper-tiny: 75MB，适合CPU，最快
- whisper-base: 142MB，精度更好
- whisper-small: 466MB，精度高
注意事项
- 首次运行需要下载模型（约75MB-3GB）
- 建议使用国内镜像：HF_ENDPOINT=https://hf-mirror.com
- 模型会自动检测语言