当前位置：首页 > news >正文

科大讯飞【免费】的开源模型实现录音转写与角色判定

news 2025/10/15 9:42:57

在智能客服、语音分析等场景中，我们经常需要从对话记录中自动识别不同说话者的身份角色。本文将介绍如何利用大语言模型（LLM）实现对话人身份判定，将原始的Speaker标识转换为具体的业务角色。

技术架构概述

我们的身份识别系统主要包含以下几个核心组件：

语音识别（ASR）模块：将语音转换为文本
身份判定引擎：基于大模型的智能角色识别
JSON格式化输出：标准化的结果返回

核心代码实现

1. 主控类设计

public class Model_1_7B {public static final Gson gson = new Gson();public static final String MaaS_KEY = "XXX";// 主方法 - 测试入口public static void main(String[] args) {String asrRes = "Speaker1：喂。*******************************************************************************Speaker2：你好。*******************************************************************************Speaker2：您好，您这边是需要恩施地区的二手车源是吗？";String finalQuestion = buildIdentityQuestion(asrRes);String result = useDeepSeek(finalQuestion, MaaS_KEY);System.out.println("身份识别结果: " + result);}// 身份判定核心方法public static String identityDetermination(String asrRes) {String finalQuestion = buildIdentityQuestion(asrRes);return useDeepSeek(finalQuestion, MaaS_KEY);}// 构建提示词private static String buildIdentityQuestion(String asrRes) {return "你的角色是：对话人身份判定专家。\n"+ "你的任务是：根据对话记录，判断Speaker的身份，严格按照此JSON返回{\"speaker1\":\"xxx\",\"speaker2\":\"xxx\"}。\n"+ "我得要求：已知speaker身份有【二手车收车商、车源线索销售人员】\n"+ "根据以上要求，我输入的关键词是：" + asrRes;}
}

2. 大模型API调用模块

public static String useDeepSeek(String question, String maasKey) {String url = "http://maas-api.cn-huabei-1.xf-yun.com/v1/chat/completions";try {URL apiUrl = new URL(url);HttpURLConnection connection = (HttpURLConnection) apiUrl.openConnection();// 设置连接参数connection.setRequestMethod("POST");connection.setRequestProperty("Content-Type", "application/json");connection.setRequestProperty("Authorization", "Bearer " + maasKey);connection.setDoOutput(true);connection.setConnectTimeout(30000);connection.setReadTimeout(30000);// 构建请求体JSONObject message = new JSONObject();message.put("role", "user");message.put("content", question);JSONArray messagesArray = new JSONArray();messagesArray.put(message);JSONObject payload = new JSONObject();payload.put("model", "xop3qwen1b7");payload.put("messages", messagesArray);payload.put("stream", false);payload.put("max_tokens", 8192);// 发送请求try (OutputStream os = connection.getOutputStream()) {byte[] input = payload.toString().getBytes(StandardCharsets.UTF_8);os.write(input, 0, input.length);}// 处理响应int responseCode = connection.getResponseCode();if (responseCode == HttpURLConnection.HTTP_OK) {try (BufferedReader reader = new BufferedReader(new InputStreamReader(connection.getInputStream(), StandardCharsets.UTF_8))) {StringBuilder response = new StringBuilder();String line;while ((line = reader.readLine()) != null) {response.append(line);}// 解析大模型返回结果JsonParse jsonParse = gson.fromJson(response.toString(), JsonParse.class);List<Choices> choiceList = jsonParse.choices;for (Choices tempChoice : choiceList) {System.out.println("模型推理内容: " + tempChoice.message.reasoning_content);System.out.println("最终回答: " + tempChoice.message.content);return tempChoice.message.content;}}} else {// 错误处理handleErrorResponse(connection, responseCode);}connection.disconnect();} catch (Exception e) {System.out.println("An error occurred: " + e.getMessage());return "An error occurred: " + e.getMessage();}return "身份区分大模型调用错误";
}

3. 响应数据结构

// 大模型响应解析类
static class JsonParse {List<Choices> choices;
}static class Choices {Message message;
}static class Message {String reasoning_content;  // 模型推理过程String content;           // 最终输出内容
}

关键技术点

1. 提示词工程（Prompt Engineering）

我们设计了专门的提示词来引导大模型完成身份识别任务：

角色定义：明确模型作为"对话人身份判定专家"
任务说明：清晰描述需要完成的具体任务
输出格式：严格指定JSON返回格式
身份选项：限定可选的说话者身份类型

2. 错误处理机制

private static void handleErrorResponse(HttpURLConnection connection, int responseCode) {try (BufferedReader reader = new BufferedReader(new InputStreamReader(connection.getErrorStream(), StandardCharsets.UTF_8))) {StringBuilder errorResponse = new StringBuilder();String line;while ((line = reader.readLine()) != null) {errorResponse.append(line);}System.out.println("HTTP Error: " + responseCode + " - " + errorResponse.toString());} catch (IOException e) {System.out.println("Error reading error stream: " + e.getMessage());}
}

应用示例

输入对话文本：

Speaker1：喂。
*******************************************************************************
Speaker2：你好。
*******************************************************************************
Speaker2：您好，您这边是需要恩施地区的二手车源是吗？

大模型返回结果：

{"speaker1":"二手车收车商","speaker2":"车源线索销售人员"}

转换后结果：

二手车收车商：喂。
*******************************************************************************
车源线索销售人员：你好。
*******************************************************************************
车源线索销售人员：您好，您这边是需要恩施地区的二手车源是吗？