yudao-cloud 开发指南 yudao-cloud 开发指南
  • 萌新必读
  • 后端手册
  • 微服务手册
  • 工作流手册
  • 报表与大屏手册
  • 支付手册
  • 商城手册
  • ERP 手册
  • CRM 手册
  • MES 手册
  • WMS 手册
  • HRM 手册
  • FMS 手册
  • PMS 手册
  • OA 手册
  • IM 即时通讯手册
  • AI 大模型手册
  • IoT 物联网手册
  • 公众号手册
  • 前端手册 Vue 3.x
  • 前端手册 Vben 5.x
  • 前端手册 Vue 2.x
  • 前端手册 Admin Uniapp
  • 工作流手册
  • 报表与大屏手册
  • 支付手册
  • 商城手册
  • ERP 手册
  • CRM 手册
  • MES 手册
  • WMS 手册
  • HRM 手册
  • FMS 手册
  • PMS 手册
  • OA 手册
  • IM 即时通讯手册
  • AI 大模型手册
  • IoT 物联网手册
  • 公众号手册
  • 系统手册
视频教程
  • Vue3 + element-plus (opens new window)
  • Vue3 + vben5(ant-design-vue、element-plus) (opens new window)
  • Vue2 + element-ui (opens new window)
单体版 (opens new window)
作者博客 (opens new window)
GitHub (opens new window)
  • 萌新必读
  • 后端手册
  • 微服务手册
  • 工作流手册
  • 报表与大屏手册
  • 支付手册
  • 商城手册
  • ERP 手册
  • CRM 手册
  • MES 手册
  • WMS 手册
  • HRM 手册
  • FMS 手册
  • PMS 手册
  • OA 手册
  • IM 即时通讯手册
  • AI 大模型手册
  • IoT 物联网手册
  • 公众号手册
  • 前端手册 Vue 3.x
  • 前端手册 Vben 5.x
  • 前端手册 Vue 2.x
  • 前端手册 Admin Uniapp
  • 工作流手册
  • 报表与大屏手册
  • 支付手册
  • 商城手册
  • ERP 手册
  • CRM 手册
  • MES 手册
  • WMS 手册
  • HRM 手册
  • FMS 手册
  • PMS 手册
  • OA 手册
  • IM 即时通讯手册
  • AI 大模型手册
  • IoT 物联网手册
  • 公众号手册
  • 系统手册
视频教程
  • Vue3 + element-plus (opens new window)
  • Vue3 + vben5(ant-design-vue、element-plus) (opens new window)
  • Vue2 + element-ui (opens new window)
单体版 (opens new window)
作者博客 (opens new window)
GitHub (opens new window)
  • 萌新必读

    • 简介
    • 交流群
    • 视频教程
    • 功能列表
    • 快速启动(后端项目)
    • 快速启动(前端项目)
    • 接口文档
    • 技术选型
    • 项目结构
    • 代码热加载
    • 一键改包
    • 迁移模块(适合新项目)
    • 删除功能(以租户为例)
    • 表结构变更(版本升级)
    • 国产信创数据库(DM 达梦、大金、OpenGauss、瀚高、OceanBase、TiDB、GaussDB、PolarDB、神通、Vastbase、MogDB、TongRDS、CacheDB)
    • 面试题、简历模版、简历优化
    • 项目外包
    • 文档 MCP
  • 后端手册

    • 新建服务
    • 代码生成【单表】(新增功能)
    • 代码生成【主子表】
    • 代码生成(树表)
    • 代码生成(移动端)
    • 功能权限
    • 数据权限
    • 用户体系
    • 三方登录
    • OAuth 2.0(SSO 单点登录)
    • SaaS 多租户【字段隔离】
    • SaaS 多租户【数据库隔离】
    • WebSocket 实时通信
    • 异常处理(错误码)
    • 参数校验、时间传参
    • 分页实现
    • VO 对象转换、数据翻译
    • 文件存储(上传下载)
    • Excel 导入导出
    • 操作日志、访问日志、异常日志
    • MyBatis 数据库
    • MyBatis 联表&分页查询
    • 多数据源(读写分离)、事务
    • Redis 缓存
    • 本地缓存
    • 异步任务
    • 分布式锁
    • 幂等性(防重复提交)
    • 请求限流(RateLimiter)
    • HTTP 接口签名(防篡改)
    • HTTP 接口加解密
    • 单元测试
    • 验证码
    • 工具类 Util
    • 数据库文档
  • 微服务手册

    • 微服务调试(必读)
    • 注册中心 Nacos
    • 配置中心 Nacos
    • 服务网关 Spring Cloud Gateway
    • 服务调用 Feign
    • 定时任务 XXL Job
    • 消息队列(内存)
    • 消息队列(Redis)
    • 消息队列(RocketMQ)
    • 消息队列(RabbitMQ)
    • 消息队列(Kafka)
    • 消息队列(Cloud)
    • 分布式事务 Seata
    • 服务保障 Sentinel
    • 分库分表
  • 工作流手册

    • 工作流演示
    • 功能开启
    • 工作流(达梦适配)
    • 审批接入(流程表单)
    • 审批接入(业务表单)
    • 流程设计器(BPMN)
    • 流程设计器(钉钉、飞书)
    • 选择审批人、发起人自选
    • 会签、或签、依次审批
    • 流程发起、取消、重新发起
    • 审批通过、不通过、驳回
    • 审批加签、减签
    • 审批转办、委派、抄送
    • 执行监听器、任务监听器
    • 流程表达式
    • 流程审批通知
    • 移动端审批
  • 报表与大屏手册

    • 功能总览
    • UReport2 报表
    • 积木报表与仪表盘
    • GoView 大屏
  • 支付手册

    • 功能开启
    • 支付宝支付接入
    • 微信公众号支付接入
    • 微信小程序支付接入
    • 支付宝、微信退款接入
    • 支付宝转账接入
    • 微信转账接入
    • 钱包充值、支付、退款
    • 模拟支付、退款
    • 移动端支付管理
  • 会员手册

    • 功能开启
    • 微信公众号登录
    • 微信小程序登录
    • 微信小程序订阅消息
    • 微信小程序码
    • 会员用户、标签、分组
    • 会员等级、积分、签到
    • 移动端会员管理
  • 商城手册

    • 商城演示
    • 功能开启
    • 商城装修
    • 在线客服
    • 【商品】商品分类
    • 【商品】商品属性
    • 【商品】商品 SPU 与 SKU
    • 【商品】商品评价
    • 【交易】购物车
    • 【交易】交易订单
    • 【交易】售后退款
    • 【交易】快递发货
    • 【交易】门店自提
    • 【交易】分销返佣
    • 【营销】优惠劵
    • 【营销】积分商城
    • 【营销】拼团活动
    • 【营销】秒杀活动
    • 【营销】砍价活动
    • 【营销】满减送活动
    • 【营销】限时折扣
    • 【营销】内容管理
    • 【统计】会员、商品、交易统计
    • 移动端商城管理
  • ERP手册

    • ERP 演示
    • 功能开启
    • 【产品】产品信息、分类、单位
    • 【库存】产品库存、库存明细
    • 【库存】其它入库、其它出库
    • 【库存】库存调拨、库存盘点
    • 【采购】采购订单、入库、退货
    • 【销售】销售订单、出库、退货
    • 【财务】采购付款、销售收款
    • 移动端 ERP
  • CRM手册

    • CRM 演示
    • 功能开启
    • 【线索】线索管理
    • 【客户】客户管理、公海客户
    • 【商机】商机管理、商机状态
    • 【合同】合同管理、合同提醒
    • 【回款】回款管理、回款计划
    • 【产品】产品管理、产品分类
    • 【通用】数据权限
    • 【通用】跟进记录、待办事项
    • 移动端 CRM
  • AI大模型手册

    • AI 大模型演示
    • 功能开启
    • AI 对话
    • AI 知识库
    • AI 工作流
    • AI 图片生成
    • AI 图片识别
    • AI 音乐生成
    • AI 语音生成
    • AI 语音识别
      • 1. 前置准备
        • 1.1 配置 API 密钥
        • 1.2 配置语音识别模型
      • 2. 语音识别
        • 2.1 识别音频
        • 2.2 识别结果
        • 2.3 识别记录
      • 3. AI 对话的语音输入
      • 4. 语音识别管理
      • 5. 语音识别表
    • AI 写作翻译
    • AI 思维导图
    • AI 工具(function calling)
    • Dify 工作流
    • FastGPT 工作流
    • Coze 智能体
    • 推理模式(thinking)
    • 联网搜索
    • MCP Client 客户端
    • MCP Server 服务端
    • 请求日志与 Token 用量
    • 【模型接入】小米 MiMo
    • 【模型接入】Claude
    • 【模型接入】OpenAI
    • 【模型接入】通义千问
    • 【模型接入】DeepSeek
    • 【模型接入】字节豆包
    • 【模型接入】腾讯混元
    • 【模型接入】硅基流动
    • 【模型接入】MiniMax
    • 【模型接入】月之暗面
    • 【模型接入】百川智能
    • 【模型接入】文心一言
    • 【模型接入】LLAMA
    • 【模型接入】智谱 GLM
    • 【模型接入】讯飞星火
    • 【模型接入】微软 OpenAI
    • 【模型接入】谷歌 Gemini
    • 【模型接入】Stable Diffusion
    • 【模型接入】Midjourney
    • 【模型接入】Suno
    • 【模型接入】Grok
    • 【模型接入】阶跃星辰
    • 移动端 AI 大模型
  • IoT物联网手册

    • 功能开启
    • 产品管理
    • 设备管理
    • 物模型配置
    • 设备网关与子设备
    • 设备动态注册
    • 设备影子
    • 消息透传与数据解析
    • 设备接入(概述)
    • 设备接入(HTTP 协议)
    • 设备接入(MQTT 协议)
    • 设备接入(EMQX 协议)
    • 设备接入(TCP 协议)
    • 设备接入(UDP 协议)
    • 设备接入(WebSocket 协议)
    • 设备接入(CoAP 协议)
    • 设备接入(Modbus Client 模式)
    • 设备接入(Modbus Server 模式)
    • 设备接入(自定义协议)
    • 场景联动
    • 数据流转
    • 告警配置
    • OTA 固件升级
    • 移动端 IoT 物联网
    • 设备网关合并部署
  • MES手册

    • MES 演示
    • 功能开启
    • 【基础】物料产品、分类、计量单位
    • 【基础】客户管理、供应商管理
    • 【基础】车间设置、工作站设置
    • 【基础】编码规则
    • 【生产】工序设置、工艺流程
    • 【生产】生产工单
    • 【生产】生产排产、工序流转卡
    • 【生产】生产报工
    • 【生产】安灯配置、安灯呼叫
    • 【生产】工作记录
    • 【仓库】仓库与库区库位、条码赋码、SN码
    • 【仓库】批次管理、库存现有量、库存事务
    • 【仓库】到货通知、采购入库、采购退货
    • 【仓库】生产领料、生产退料、物料消耗
    • 【仓库】产品产出、产品入库
    • 【仓库】发货通知、销售出库、销售退货
    • 【仓库】外协发料、外协入库
    • 【仓库】其他入库、其他出库
    • 【仓库】调拨单、装箱管理
    • 【仓库】库存盘点
    • 【质量】检测项设置、常见缺陷
    • 【质量】质检方案
    • 【质量】来料检验(IQC)
    • 【质量】过程检验(IPQC)
    • 【质量】出货检验(OQC)
    • 【质量】退货检验(RQC)
    • 【质量】待检任务、检验结果、缺陷记录
    • 【设备】设备类型、设备台账
    • 【设备】点检保养项目、点检保养方案
    • 【设备】点检记录、保养记录、维修单
    • 【工具】工具类型、工装夹具台账
    • 【排班】班组设置、节假日设置
    • 【排班】排班计划、排班日历
    • 移动端 MES
  • WMS手册

    • WMS 演示
    • 功能开启
    • 【基础】仓库
    • 【基础】商品、SKU、分类、品牌
    • 【基础】往来企业(供应商、客户)
    • 【库存】库存记录、流水、统计
    • 【单据】入库
    • 【单据】出库
    • 【单据】移库
    • 【单据】盘库
    • 【其它】WMS、MES、ERP 对比
    • 移动端 WMS
  • HRM人力资源

    • HRM 演示
    • 功能开启
    • 【组织】工作台、组织架构
    • 【员工】员工管理
    • 【招聘】招聘管理
    • 【考勤】考勤管理
    • 【社保】社保管理
    • 【薪资】计薪设置、薪资档案
    • 【薪资】月度工资、工资条
    • 【绩效】绩效模板、绩效计划
    • 【绩效】绩效考核、绩效档案
    • 移动端 HRM
  • FMS财务管理

    • FMS 演示
    • 功能开启
    • 【设置】账套管理、财务参数、财务指标
    • 【设置】币别、科目、辅助核算、初始余额
    • 【设置】凭证字、常用摘要、凭证模板
    • 【凭证】凭证管理
    • 【账簿】账簿管理
    • 【报表】财务报表
    • 【结账】期末结账
    • 移动端 FMS
  • PMS项目管理

    • PMS 演示
    • 功能开启
    • 【项目中心】工作台与项目管理
    • 【项目中心】项目详情与迭代
    • 【项目中心】工作项与协作
    • 【知识中心】知识库管理
    • 【知识中心】文档与协作
    • 移动端 PMS
  • OA协同办公

    • OA 演示
    • 功能开启
    • 【协作】日程、任务、计划与汇报
    • 【协作】公告、讨论、通讯录与笔记
    • 【办公】企业邮箱
    • 【办公】企业云盘
    • 【行政】办公用品、用印管理
    • 【行政】会议室、车辆管理
    • 【流程】公文管理
    • 【流程】出差、费用报销
    • 【流程】考勤、请假、加班、转正与离职
    • 移动端 OA
  • IM即时通讯手册

    • IM 演示
    • 功能开启
    • 【好友】好友关系、好友申请
    • 【群聊】群组、群成员、入群申请
    • 【消息】私聊、群聊、频道消息
    • 【频道】频道、频道素材
    • 【内容】表情、敏感词
    • 【通话】语音通话、视频通话、共享屏幕
    • 【WebSocket】实时推送与离线消息
    • 移动端 IM 即时通讯
  • 公众号手册

    • 功能开启
    • 公众号接入
    • 公众号粉丝
    • 公众号标签
    • 公众号消息
    • 模版消息
    • 自动回复
    • 公众号菜单
    • 公众号素材
    • 公众号图文
    • 公众号统计
    • 移动端公众号管理
  • 系统手册

    • 短信配置
    • 邮件配置
    • 站内信配置
    • Webhook(钉钉、飞书、企微)
    • 数据脱敏
    • 敏感词
    • 地区 & IP 库
  • 运维手册

    • 开发环境
    • Linux 部署
    • Docker 部署
    • Jenkins 部署
    • 宝塔部署
    • 1Panel 部署
    • Docker Compose 部署
    • Kubernetes 部署
    • HTTPS 证书
    • 服务监控
    • 生产环境安全
    • Tomcat WAR 部署
    • 东方通服务器部署(TongWeb、TongHttpServer)
    • 宝兰德服务器部署(BES AppServer)
    • 内网穿透
  • 前端手册 Vue 3.x

    • 开发规范
    • 菜单路由
    • Icon 图标
    • 字典数据
    • 系统组件
    • 通用方法
    • 配置读取
    • CRUD 组件
    • 国际化
    • IDE 调试
    • 代码格式化
  • 前端手册 Vben 5.x

    • 开发规范
    • 菜单路由
    • 图标、主题、国际化
    • 字典数据
    • 系统组件
    • 通用方法
    • 配置读取
    • IDE 调试
    • 代码格式化
  • 前端手册 Vue 2.x

    • 开发规范
    • 菜单路由
    • Icon 图标
    • 字典数据
    • 系统组件
    • 通用方法
    • 配置读取
  • 前端手册 Admin Uniapp

    • 开发规范
    • 菜单路由
    • 图标、主题、国际化
    • 字典数据
    • 系统组件
    • 通用方法
    • IDE 调试
    • 代码格式化
    • 运行发布
  • 更新日志

    • 【v2026-11】
    • 【v2026-10】
    • 【v2026-09】
    • 【v2026-08】
    • 【v2026-07】
    • 【v2026-06】
    • 【v2026-05】
    • 【v2026-04】
    • 【v2026-03】
    • 【v2026-01】
    • 【v2025-12】
    • 【v2025-11】
    • 【v2025-10】
    • 【v2025-09】
    • 【v2025-08】
  • 开发指南
  • AI大模型手册
芋道源码
2026-11-14
目录

AI 语音识别

AI 语音识别(ASR),上传音频或在线录音,识别为文字,可以复制、下载,并保存识别记录。《AI 对话》 的「语音输入」,使用的也是这个能力。目前接入的是:

  • DeepSeek:语音识别
  • 阿里云百炼:通义千问 Qwen3-ASR-Flash
  • 腾讯云:一句话识别
  • 百度智能云:短语音识别(标准版)

反过来,把文本合成为音频,可见 《AI 语音生成》 文档。

AI 语音识别

整个功能,涉及到 3 个表:

  • 【配置】ai_api_key:API 密钥表
  • 【配置】ai_model:模型表
  • 【数据】ai_asr:语音识别表

补充说明:

ai_api_key、ai_model 已经在 《功能开启》 讲解,就不重复赘述。

# 1. 前置准备

# 1.1 配置 API 密钥

在 [AI 大模型 -> 控制台 -> API 密钥] 菜单,新增对应平台的密钥:

平台 所属平台 密钥
DeepSeek DeepSeek(DEEPSEEK) DeepSeek 的 API Key,可以与 DeepSeek 对话共用
阿里云百炼 阿里巴巴(ALIBABA) 阿里云百炼的 API Key,可以与通义千问对话共用
腾讯云 腾讯(TENCENT) SecretId|SecretKey,与腾讯混元对话的 API Key 不同
百度智能云 百度(BAIDU) 百度智能云的 API Key,需要有「短语音识别」的权限

腾讯云、百度智能云,需要先在各自的控制台开通「一句话识别」「短语音识别」服务,否则会返回「服务未开通」「鉴权失败」等错误。

同一平台的对话、语音识别使用不同的密钥时,为该平台新建多条密钥,模型配置时选择对应的那一条即可。

# 1.2 配置语音识别模型

在 [AI 大模型 -> 控制台 -> 模型配置] 菜单,新增语音识别模型:

  • 模型类型:选择「语音识别」,对应 AiModelTypeEnum 的 ASR(type 为 9)。它和语音生成的「音频」(VOICE,type 为 3)是两种类型,分开配置、分开筛选
  • 所属平台:DeepSeek、阿里巴巴、腾讯、百度,其它平台不支持
  • API 秘钥:选择同一平台的密钥。密钥的平台与模型的平台不一致时,识别会报错
  • 模型标识:见下表
平台 模型标识 最长时长
DeepSeek 自定义,例如说 deepseek-asr(接口没有模型参数) 120 秒
阿里云百炼 qwen3-asr-flash 180 秒
腾讯云 引擎类型,例如说 16k_zh(中文普通话)、16k_en(英语)等 16k 引擎 60 秒
百度智能云 识别模型 dev_pid,例如说 1537(普通话)、1737(英语)、1637(粤语)、1837(四川话) 60 秒

语音识别模型配置

友情提示:

  • 前端会把音频统一转为 16kHz 单声道 16 位 PCM 的 WAV 再提交,所以腾讯云只能使用 16k_ 开头的引擎
  • 阿里云的官方上限是 5 分钟、Base64 编码后 10MB,16kHz WAV 按 10MB 计算约 3 分多钟,所以页面限制为 180 秒
  • 时长由前端在转换时检查;后端调用服务商之前,只检查格式(WAV)、大小,百度还会检查采样率。其它参数不正确时,由服务商返回错误。调用失败时不会自动重试

# 2. 语音识别

前端对应 [AI 大模型 -> AI 语音识别] 菜单,对应 yudao-ui-admin-vue3 项目的 @/views/ai/asr/index 目录,提供给普通用户使用。

页面左侧是输入区(识别模型、音频、「开始识别」按钮),右侧是识别结果,两者撑满页面高度。

# 2.1 识别音频

① 选择「识别模型」:只列出已启用的「语音识别」模型,同时展示当前模型的最长时长。

② 选择音频,二选一:

  • 上传音频:点击、或拖拽音频文件,支持 mp3、wav、m4a 等浏览器可以解码的格式,不超过 50MB
  • 在线录音:点击「开始录音」,需要浏览器的麦克风权限;达到当前模型的最长时长后,自动停止

选择后,可以在左侧试听。

在线录音

③ 点击左侧底部的「开始识别」:

  • 浏览器先把音频解码、重采样为 16kHz 单声道的 WAV,时长超过当前模型的上限时直接提示
  • 再通过项目通用的文件上传,保存到文件服务,提交时只传文件地址(fileUrl)。同一段音频重试时,复用已上传的地址;切换模型后会重新转换、上传
  • 后端按地址下载音频(私有存储会使用预签名地址),同步调用识别服务。识别成功、失败,都会新增一条识别记录

# 2.2 识别结果

识别完成后,右侧只读展示识别出的原文,标题栏是识别模型、耗时,以及操作按钮:

  • 复制、下载 TXT:复制、下载识别结果
  • 重新识别:会新增一条记录,不修改已有的记录

# 2.3 识别记录

点击左侧标题旁的「识别记录」,查看自己的识别记录,可以重新打开(可以试听当时上传的音频)、删除。删除为逻辑删除,音频文件保留。

打开的记录没有本地音频,重新识别需要重新上传音频、或者录音。

识别记录

它的后端 HTTP 接口,由 yudao-module-ai-server 模块的 asr 包的 AiAsrController 实现:

  • POST /ai/asr/recognize:识别音频中的语音,参数为 modelId(语音识别模型编号)、fileUrl(音频文件地址)
  • GET /ai/asr/my-page、GET /ai/asr/get-my:获得【我的】识别记录分页、详情
  • DELETE /ai/asr/delete-my:删除【我的】识别记录

这些接口只操作当前登录用户自己的识别记录。

# 3. AI 对话的语音输入

在 [AI 大模型 -> AI 对话] 菜单,存在可用的语音识别模型时,消息发送框的左下角会展示「语音输入」按钮:

  • 使用排在第一个的语音识别模型
  • 点击开始录音,再次点击停止录音并识别;达到该模型的最长时长后,自动停止
  • 录音同样先上传到文件服务,再调用 POST /ai/asr/recognize 识别,所以也会新增一条识别记录
  • 识别结果追加到输入框,不会自动发送,可以修改后再发送;识别失败时,提示失败原因

语音输入

# 4. 语音识别管理

前端对应 [AI 大模型 -> 控制台 -> 语音识别管理] 菜单,对应 yudao-ui-admin-vue3 项目的 @/views/ai/asr/manager 目录,提供给管理员使用,查看所有用户的识别记录:

  • 查询:按用户、平台、状态、文件名(模糊匹配)、创建时间筛选
  • 详情:试听音频,查看识别原文、识别模型、耗时、失败原因等。管理端只查看,不提供「重新识别」,不会重新调用识别服务
  • 删除:逻辑删除,音频文件保留

语音识别管理

它的后端 HTTP 接口,同样由 AiAsrController 实现:

  • GET /ai/asr/page:获得识别记录分页,对应权限 ai:asr:query
  • GET /ai/asr/get:获得识别记录详情,对应权限 ai:asr:query;不存在时返回空
  • DELETE /ai/asr/delete:删除识别记录,对应权限 ai:asr:delete

# 5. 语音识别表

省略 creator/create_time/updater/update_time/deleted/tenant_id 等通用字段

CREATE TABLE `ai_asr` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '编号',
  `user_id` bigint NOT NULL COMMENT '用户编号',

  `model_id` bigint NOT NULL COMMENT '模型编号',
  `model_name` varchar(64) COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT '' COMMENT '模型名字',
  `platform` varchar(32) COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '平台',
  `model` varchar(255) COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT '' COMMENT '模型标识',

  `file_name` varchar(255) COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT '' COMMENT '音频文件名',
  `audio_url` varchar(1024) COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '音频地址',

  `status` tinyint NOT NULL COMMENT '识别状态:20 成功,30 失败',
  `original_text` mediumtext COLLATE utf8mb4_unicode_ci COMMENT '识别出的原文',
  `error_message` varchar(1024) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '失败原因',
  `duration` int DEFAULT NULL COMMENT '识别耗时(毫秒)',
  PRIMARY KEY (`id`) USING BTREE,
  KEY `idx_user_id` (`user_id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='AI 语音识别表';

① user_id 字段:对应 system_users 表的 id 字段,表示哪个用户的识别记录。

② model_id、model_name、platform、model 字段:识别时使用的模型,记录当时的快照,之后修改模型配置不影响历史记录。

③ file_name、audio_url 字段:音频的文件名、文件服务中的地址。保存的是前端转换后的 16kHz WAV,也就是实际提交给识别服务的音频。

④ status 字段:识别状态,对应 AiAsrStatusEnum 枚举:20 识别成功、30 识别失败。识别是同步的,识别结束后才写入记录,所以没有「识别中」。模型配置不正确(类型、平台不一致等)时直接报错,不写入记录。

⑤ original_text 字段:识别出的原文,识别后不再修改。

⑥ error_message 字段:失败原因,不包含密钥等敏感信息。duration 字段:识别耗时,单位毫秒。

最最最关键的代码!!!大家可以重点看看!!!

AiAsrServiceImpl 的 #recognizeAsr(...) 方法:校验模型的类型为语音识别、模型与密钥的平台一致后,下载音频,调用 Spring AI 的 TranscriptionModel 同步识别,最后新增一条识别记录。

各平台的调用,由 AiModelFactoryImpl 的 #getOrCreateTranscriptionModel(...) 方法创建:DeepSeekTranscriptionModel、TongYiTranscriptionModel、TencentTranscriptionModel、BaiduTranscriptionModel,统一放在 framework/ai/core/asr 包下。

AI 语音生成
AI 写作翻译

← AI 语音生成 AI 写作翻译→

Theme by Vdoing | Copyright © 2019-2026 芋道源码 | MIT License
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式
×