当前位置：首页 > news >正文

SenseVoice Small语音识别实战：5分钟搭建带情感分析的智能语音助手

news 2026/8/9 12:56:23

SenseVoice Small语音识别实战：5分钟搭建带情感分析的智能语音助手

1. 快速部署与界面概览

1.1 一键启动服务

部署SenseVoice Small镜像后，只需在终端执行以下命令即可启动服务：

/bin/bash /root/run.sh

服务启动后，在浏览器访问以下地址即可进入操作界面：

http://localhost:7860

1.2 界面功能分区

界面主要分为四个核心区域：

上传区（左侧）：
- 音频文件上传/麦克风录音
- 语言选择下拉菜单
- 高级配置选项
- 识别启动按钮
示例区（右侧）：
- 内置多语言示例音频
- 情感识别测试样本
- 综合事件检测案例
结果显示区：
- 文本转录内容
- 情感状态图标
- 声音事件标签

2. 核心功能实战演示

2.1 基础语音识别流程

步骤1：上传音频文件

支持拖放或点击上传MP3/WAV/M4A等常见格式，文件大小建议不超过50MB

步骤2：选择识别语言

推荐使用"auto"自动检测模式，特殊场景可指定具体语言：

zh：中文普通话
yue：粤语
en：英语
ja：日语
ko：韩语

步骤3：启动识别

点击"开始识别"按钮，等待处理完成。典型处理速度：

10秒音频：约1秒
1分钟音频：3-5秒

步骤4：解读结果

识别结果包含三个维度信息：

文本内容（核心转写结果）
情感标签（文本末尾表情符号）
事件标记（文本起始位置图标）

2.2 情感分析功能详解

系统可识别7种基本情感状态：

表情	情感标签	典型语音特征
😊	开心	语速轻快，音调较高
😡	生气	音量增大，语速急促
😔	伤心	语速缓慢，音调低沉
😰	恐惧	声音颤抖，停顿增多
🤢	厌恶	语气尖锐，鼻音加重
😮	惊讶	突然提高音量
(无)	中性	平稳无起伏

应用示例：客服录音分析中，可自动标记客户愤怒情绪(😡)的对话片段，快速定位服务问题。

2.3 声音事件检测能力

系统支持11类环境声音识别：

图标	事件类型	典型场景
🎼	背景音乐	节目录制
👏	掌声	会议现场
😀	笑声	社交互动
😭	哭声	婴儿监护
🤧	咳嗽	健康监测
📞	电话铃	办公环境
🚗	引擎声	车载系统
🚶	脚步声	安防监控

实际案例：会议记录中自动标注掌声(👏)和笑声(😀)出现的时间点，还原现场氛围。

3. 高级使用技巧

3.1 音频质量优化建议

格式选择：优先使用WAV格式，MP3需确保比特率≥128kbps
采样率：推荐16kHz，最低不低于8kHz
录音环境：使用指向性麦克风，避免环境回声
语音清晰度：保持正常语速，避免吞音和模糊发音

3.2 批量处理方案

通过Python脚本可实现目录批量处理：

import os from funasr import AutoModel model = AutoModel(model="iic/SenseVoiceSmall") audio_dir = "./recordings/" output = [] for file in os.listdir(audio_dir): if file.endswith(".wav"): result = model.generate( input=os.path.join(audio_dir, file), language="auto" ) output.append({ "file": file, "text": result[0]["text"], "emotion": result[0]["emotion"] })

3.3 API接口集成

基于FastAPI快速构建服务接口：

from fastapi import FastAPI, File, UploadFile from funasr import AutoModel app = FastAPI() model = AutoModel(model="iic/SenseVoiceSmall") @app.post("/analyze") async def analyze_audio(file: UploadFile = File(...)): audio_data = await file.read() result = model.generate(input=audio_data) return { "text": result[0]["text"], "emotion": result[0]["emotion"], "events": result[0]["events"] }