⚡ SenseVoice-Small ONNX语音识别教程：自定义词典提升专业术语识别率

SenseVoice-Small ONNX语音识别教程：自定义词典提升专业术语识别率

1. 项目简介

SenseVoice-Small ONNX是一个基于FunASR开源框架的轻量化语音识别工具，专门针对普通硬件设备进行了深度优化。这个工具解决了传统语音识别系统常见的几个痛点：资源占用高、部署复杂、专业术语识别不准，以及缺少标点符号影响可读性等问题。

核心优势：

• 轻量化设计：采用Int8量化技术，相比标准版本减少75%的内存和显存占用
• 即开即用：无需复杂配置，上传音频即可获得带标点的识别结果
• 隐私安全：所有处理都在本地完成，音频数据不会上传到任何服务器
• 专业优化：支持自定义词典，显著提升专业术语识别准确率

无论是做会议记录、访谈整理，还是处理专业领域的音频资料，这个工具都能帮你快速获得准确的文字稿。

2. 环境准备与快速部署

2.1 系统要求

在开始之前，请确保你的设备满足以下基本要求：

• 操作系统：Windows 10/11, macOS 10.15+, 或 Ubuntu 18.04+
• Python版本：Python 3.8 - 3.11
• 内存：至少4GB RAM（处理长音频建议8GB以上）
• 存储空间：2GB可用空间（用于模型文件）

2.2 一键安装

打开终端或命令提示符，执行以下命令完成环境搭建：

# 创建项目目录 mkdir voice-recognition-tool cd voice-recognition-tool # 创建虚拟环境（推荐） python -m venv venv source venv/bin/activate # Linux/macOS # 或者 venv\Scripts\activate # Windows # 安装核心依赖 pip install torch onnxruntime streamlit pip install modelscope funasr -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html

2.3 启动语音识别工具

安装完成后，创建一个名为app.py的文件，然后运行：

streamlit run app.py

启动成功后，终端会显示一个本地访问地址（通常是http://localhost:8501），用浏览器打开这个地址就能看到操作界面了。

3. 基础语音识别操作

3.1 首次运行设置

第一次启动时，系统会自动下载必要的模型文件：

1. 主识别模型：SenseVoice-Small量化版，约300MB
2. 标点模型：CT-Transformer，约50MB

下载过程可能需要几分钟，取决于你的网络速度。所有模型文件都会保存在本地，后续使用无需重新下载。

3.2 快速识别体验

让我们用一个简单的例子来快速体验语音识别的整个过程：

1. 准备音频：找一段1-2分钟的普通话音频（访谈录音、会议片段等）
2. 上传文件：在界面中点击"上传音频文件"，选择你的音频
3. 开始识别：点击"开始识别"按钮
4. 查看结果：等待几秒到几分钟（取决于音频长度），就能看到带标点的完整文字稿

小技巧：首次使用建议先用短音频测试，熟悉流程后再处理长音频。

4. 自定义词典功能详解

4.1 为什么需要自定义词典？

在实际使用中，你可能会遇到这样的情况：

• 专业术语被识别成普通词汇（"神经网络"被识别成"神精网络"）
• 英文缩写识别不准（"GPT"被识别成"鸡皮提"）
• 特定人名、地名、产品名识别错误

自定义词典功能就是专门解决这些问题的。通过添加专业词汇，可以大幅提升特定领域的识别准确率。

4.2 创建自定义词典

创建一个名为custom_dict.txt的文本文件，格式如下：

# 专业术语 神经网络 深度学习 机器学习 卷积神经网络 Transformer # 英文缩写 GPT AI API CPU GPU # 特定名词 张小明(人名) 北京科技有限公司(公司名) TensorFlow(框架名)

格式说明：

• 每行一个词条
• 井号(#)开头的行是注释，会被忽略
• 词条不要带标点符号
• 一个词条最多不超过10个汉字或20个英文字符

4.3 加载自定义词典

在Python代码中添加词典加载功能：

import os from funasr import AutoModel def load_custom_dictionary(dict_path="custom_dict.txt"): custom_dict = [] if os.path.exists(dict_path): with open(dict_path, 'r', encoding='utf-8') as f: for line in f: line = line.strip() if line and not line.startswith('#'): custom_dict.append(line) print(f"已加载 {len(custom_dict)} 个自定义词条") return custom_dict # 在识别前加载词典 custom_words = load_custom_dictionary() # 初始化模型时传入自定义词典 model = AutoModel( model="SenseVoiceSmall", model_revision="v2.0.6", vad_model="fsmn-vad", vad_model_revision="v2.0.6", punc_model="ct-punc", punc_model_revision="v2.0.6", spk_model="cam++", spk_model_revision="v2.0.6", # 传入自定义词典 custom_dict=custom_words )

5. 实战：提升专业术语识别率

5.1 技术文档识别案例

假设你有一段技术讲座的录音，包含大量专业术语。没有自定义词典时，识别结果可能是这样的：

"今天我们讲解神精网络和身度学习的基本原理，特别是转机神经网罗在土像识别中的应用..."

添加专业词典后，识别结果显著改善：

"今天我们讲解神经网络和深度学习的基本原理，特别是卷积神经网络在图像识别中的应用..."

5.2 医学领域识别优化

医学音频的识别尤其需要自定义词典。比如一段医学讲座：

没有词典：

"患者出现心机更塞症状，需要立即进行融栓治疗..."

添加医学词典后：

"患者出现心肌梗塞症状，需要立即进行溶栓治疗..."

医学词典示例：

心肌梗塞 溶栓治疗 冠状动脉 高血压 糖尿病 CT扫描 MRI检查

5.3 法律文档识别

法律文档中有大量专业术语和固定表达：

法律词典示例：

最高人民法院 人民检察院 犯罪嫌疑人 刑事诉讼法 民事诉讼 行政诉讼 司法解释 合同纠纷 知识产权

6. 高级使用技巧

6.1 批量处理多个音频

如果你需要处理多个音频文件，可以稍微修改代码实现批量处理：

import glob def batch_process_audio(audio_folder, output_folder): audio_files = glob.glob(os.path.join(audio_folder, "*.mp3")) + \ glob.glob(os.path.join(audio_folder, "*.wav")) for audio_file in audio_files: print(f"处理文件: {os.path.basename(audio_file)}") result = model.generate(input=audio_file) # 保存结果 output_file = os.path.join(output_folder, os.path.basename(audio_file) + ".txt") with open(output_file, 'w', encoding='utf-8') as f: f.write(result[0]['text'])

6.2 优化识别性能

对于长音频文件，可以使用以下技巧优化性能：

# 分段处理长音频 model = AutoModel( model="SenseVoiceSmall", # 启用分段处理 vad_kwargs={"max_single_segment_time": 60000}, # 每段最长60秒 # 其他参数... )

6.3 处理特殊音频情况

如果遇到识别效果不理想的音频，可以尝试：

1. 降噪处理：使用音频编辑软件先进行降噪
2. 音量标准化：确保音频音量适中，不要过小或爆音
3. 分段处理：特别长的音频分成小段处理
4. 采样率检查：确保音频采样率在16kHz-44.1kHz之间

7. 常见问题解答

7.1 词典为什么不生效？

如果自定义词典没有效果，检查以下几点：

• 词典文件必须是UTF-8编码
• 词条不要包含空格或标点
• 确认词典路径正确
• 重新启动应用使词典生效

7.2 识别速度太慢怎么办？

提升识别速度的方法：

• 使用更短的音频片段
• 关闭不需要的功能（如说话人分离）
• 确保有足够的内存可用
• 使用性能更好的CPU

7.3 专业术语还是识别不准

如果某些术语仍然识别不准，尝试：

• 在词典中添加术语的常见错误识别变体
• 检查术语的发音是否清晰
• 考虑添加拼音注音版本

8. 总结

通过这篇教程，你应该已经掌握了如何使用SenseVoice-Small ONNX语音识别工具，特别是通过自定义词典大幅提升专业术语识别率的技巧。

关键收获：

1. 轻量化部署：学会了如何快速部署这个低资源占用的语音识别工具
2. 基础操作：掌握了上传音频、识别、获取结果的基本流程
3. 词典优化：理解了自定义词典的重要性，并学会了创建和使用专业词典
4. 实战应用：通过具体案例看到了词典优化前后的显著差异
5. 高级技巧：了解了批量处理、性能优化等进阶使用方法

下一步建议：

• 从你熟悉的领域开始，创建第一个专业词典
• 先用短音频测试效果，逐步处理更复杂的音频
• 定期更新和维护你的专业词典，添加新出现的术语
• 尝试组合使用多个专业词典（如技术+英文缩写词典）

记住，一个好的自定义词典需要不断维护和优化。随着使用时间的积累，你的语音识别准确率会越来越高，真正成为工作和学习中的得力助手。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。