WASR Client

一个用于语音识别（ASR）的Python客户端，支持通过gRPC协议与Seldon Core服务进行通信。

功能特性

• 🔊 语音识别：支持音频URL和base64编码的音频数据
• 🚀 高性能：基于gRPC协议的异步通信
• 📦 批量处理：支持批量语音识别请求
• 🎯 热词支持：可配置热词以提高识别准确率
• 🔧 环境切换：支持测试环境和生产环境

安装

使用uv（推荐）

# 克隆项目
git clone <repository-url>
cd wasr-client

# 安装依赖
uv sync

# 激活环境
source .venv/bin/activate

使用pip

pip install wasr-client

快速开始

基本使用

from wasr_client import ASRClient

# 创建客户端实例（生产环境）
client = ASRClient(task_id="your_task_id", env="ol")

# 使用音频URL进行识别
result = client.predict(
    url="http://example.com/audio.mp3",
    mono=True  # 单声道音频
)
print(result)

测试环境

# 测试环境
client = ASRClient(task_id="your_task_id", env="test")

API 文档

ASRClient 类

初始化参数

• task_id (str): 任务ID，必填
• env (str): 环境选择，可选值为 "test" 或 "ol"，默认为 "ol"

方法

predict()

对单个音频进行语音识别。

参数：

• url (str, optional): 音频文件的URL地址
• b64_str (str, optional): base64编码的音频数据
• mono (bool, optional): 是否为单声道音频
• hotwords (str, optional): 热词，用逗号分隔

返回值： str - 识别结果文本

注意： url 和 b64_str 至少提供一个

示例：

# 使用URL
result = client.predict(url="http://example.com/audio.mp3")

# 使用base64字符串
result = client.predict(b64_str="UklGRiQAAABXQVZFZm10...")

# 使用热词
result = client.predict(
    url="http://example.com/audio.mp3",
    hotwords="你好,谢谢,再见"
)

# 单声道音频
result = client.predict(
    url="http://example.com/audio.mp3",
    mono=True
)

batch_predict()

批量处理多个音频识别请求。

参数：

• inputs (list[dict]): 音频输入列表，每个字典包含单个音频的参数

返回值： list[str] - 识别结果列表

示例：

inputs = [
    {"url": "http://example.com/audio1.mp3", "mono": True},
    {"url": "http://example.com/audio2.mp3", "hotwords": "关键词"},
    {"b64_str": "UklGRiQAAABXQVZFZm10...", "mono": False}
]

results = client.batch_predict(inputs)
for result in results:
    print(result)

配置说明

环境配置

• test: 测试环境，用于开发和测试
• ol: 生产环境（online），用于正式使用

网络配置

客户端会自动连接到对应的环境地址：

• 测试环境: test-lbg-huangye.wpai.58dns.org:8866
• 生产环境: ol-lbg-huangye.wpai.58dns.org:8866

错误处理

客户端会在以下情况抛出异常：

1. 参数错误: url 和 b64_str 都为空时
2. 网络错误: 无法连接到服务时
3. 超时错误: 请求超过1000秒超时时间

建议使用try-except块处理异常：

try:
    result = client.predict(url="http://example.com/audio.mp3")
    print(f"识别结果: {result}")
except Exception as e:
    print(f"识别失败: {e}")

音频格式支持

• 支持的URL: HTTP/HTTPS链接的音频文件
• 支持的编码: base64字符串（通常用于二进制音频数据）
• 音频格式: 建议使用MP3、WAV等常见格式
• 声道: 支持单声道（mono=True）和立体声（mono=False）

命令行使用

项目提供命令行脚本（需要配置脚本入口）：

# 直接运行（如果已配置）
wasr-client --task-id your_task_id --env ol --url http://example.com/audio.mp3

依赖项

• grpcio >= 1.76.0
• grpc-interceptor >= 0.15.4
• seldon-core >= 1.18.2

开发

代码格式化

项目使用ruff进行代码格式化和检查：

# 格式化代码
ruff format .

# 检查代码
ruff check .

测试

运行测试文件：

# 在Jupyter notebook中运行
# test.ipynb 包含基本使用示例

注意事项

1. Task ID: 每个任务都需要有效的task_id，请从管理员处获取
2. 网络连接: 确保能够访问58DNS域名解析服务
3. 音频质量: 高质量音频能获得更好的识别效果
4. 并发限制: 建议控制并发请求数量，避免服务过载
5. 超时时间: 默认超时1000秒，根据音频长度适当调整

许可证

[请添加许可证信息]

贡献

欢迎提交Issue和Pull Request！

联系方式

[请添加联系方式]