SDK de Python de Qwen-Audio-ASR-Streaming

import os
import signal  # para manejar eventos de teclado (presione "Ctrl+C" para finalizar la grabación)
import sys

import dashscope
import pyaudio
from concurrent.futures import ThreadPoolExecutor

mic = None
stream = None

# Establezca los parámetros de grabación
sample_rate = 16000  # frecuencia de muestreo (Hz)
channels = 1  # canal mono
dtype = 'int16'  # tipo de datos
format_pcm = 'pcm'  # el formato de los datos de audio
block_size = 3200  # número de fotogramas por búfer

# Receptor de eventos de reconocimiento de voz en tiempo real
def receive_events(rec):
    for event in rec.events():
        payload = event.get('payload') or {}
        sentence = (payload.get('output') or {}).get('sentence') or {}
        if sentence.get('text') and not sentence.get('heartbeat'):
            print('Recognition text: ', sentence['text'])
            if sentence.get('sentence_end'):
                print(
                    'Recognition sentence end, request_id:%s, usage:%s'
                    % (rec.request_id, rec.usage))

def signal_handler(sig, frame):
    print('Ctrl+C pressed, stop recognition ...')
    # Detener el reconocimiento
    recognition.stop()
    print('Recognition stopped.')
    print(
        '[Metric] requestId: {}, first package delay ms: {}, last package delay ms: {}'
        .format(
            recognition.request_id,
            recognition.first_package_delay,
            recognition.last_package_delay,
        ))
    # Salir del programa de forma forzada
    sys.exit(0)

# función principal
if __name__ == '__main__':
    # Las API Key de las regiones de Singapur y Pekín son diferentes. Obtenga su API Key: https://www.alibabacloud.com/help/model-studio/get-api-key
    # Si no se ha configurado la variable de entorno, sustituya la siguiente línea por su API Key de Model Studio: api_key="sk-xxx"
    client = dashscope.Client(
        api_key=os.environ.get('DASHSCOPE_API_KEY'),
        # La siguiente configuración corresponde a la región de Singapur (ap-southeast-1). Sustituya "{WorkspaceId}" por el ID real de su espacio de trabajo. La configuración varía según la región.
        workspace="{WorkspaceId}",
        region="ap-southeast-1",
    )

    # Llame al servicio de reconocimiento; puede personalizar los parámetros de reconocimiento, como model, format,
    # sample_rate
    with client.audio.asr.recognize(
            model='qwen-audio-3.0-asr-flash-streaming',
            format=format_pcm,
            # 'pcm'、'wav'、'opus'、'speex'、'aac'、'amr'; consulte los formatos admitidos en la documentación
            sample_rate=sample_rate,
            # admite 8000, 16000
    ) as recognition:
        # Abra el micrófono
        mic = pyaudio.PyAudio()
        stream = mic.open(format=pyaudio.paInt16,
                          channels=1,
                          rate=16000,
                          input=True)
        with ThreadPoolExecutor(max_workers=1) as pool:
            receiver = pool.submit(receive_events, recognition)
            try:
                # Envíe audio desde el micrófono hasta que se presione "Ctrl+C"
                while stream:
                    data = stream.read(3200, exception_on_overflow=False)
                    recognition.send_audio_frame(data)
                recognition.stop()
                receiver.result()
            finally:
                # close debe ejecutarse dentro del contexto del pool para desbloquear al receptor
                recognition.close()
        stream.stop_stream()
        stream.close()
        mic.terminate()
        stream = None
        mic = None