语音识别（ASR）能力接入

← 开发文档 · English

是否需要写代码？

始终需要。ASR 接口没有行业统一的 API 标准，各厂商使用不同的私有 API 格式，因此无论平台是否兼容 OpenAI 对话接口，都需要编写 Service 类。

注意：ASR 服务由系统全局配置指定，用户不能自行切换。同一时间系统只有一个 ASR 服务处于激活状态。系统通过 adi_sys_config 表中 name = 'asr_setting' 的记录指定激活的 ASR 服务，其 value 为 JSON 格式：

{"model_name": "新平台的模型名称", "platform": "newai", "max_record_duration": 60, "max_file_size": 10485760}

可通过管理后台修改此配置，也可以直接更新数据库：

UPDATE adi_sys_config SET value = '{"model_name":"newai-asr-v1","platform":"newai","max_record_duration":60,"max_file_size":10485760}' WHERE name = 'asr_setting';

前置步骤：注册平台名称常量

在 AdiConstant.ModelPlatform 中添加新平台名称常量：

文件: adi-common/src/main/java/com/moyz/adi/common/cosntant/AdiConstant.java

public static class ModelPlatform {
    // ... 现有常量 ...
    public static final String NEWAI = "newai";
}

步骤 1：Service 开发

继承关系: CommonModelService → AbstractAsrModelService → 你的 Service

基类 AbstractAsrModelService 很薄（约 20 行），仅定义了 audioToText 抽象方法和代理设置，因此大部分逻辑需要子类自行实现。

必须实现的抽象方法：

方法	返回值	说明
audioToText(String urlOrPath)	String	接收音频文件 URL 或本地路径，返回识别的文本

复杂度说明

实现复杂度中等，需要处理文件上传（本地文件或远程 URL）、HTTP 请求、响应解析等：

• 异步 API 模式（参考 DashScopeAsrService，约 76 行）：使用 SDK 提交异步任务，轮询等待结果，仅支持远程 URL
• 同步上传模式（参考 SiliconflowAsrService，约 90 行）：使用 multipart/form-data 上传音频文件，同步返回结果，支持本地文件和远程 URL

步骤 2：注册到 AiModelInitializer

文件: adi-common/src/main/java/com/moyz/adi/common/service/AiModelInitializer.java

在 initAsrModelServiceList() 方法中添加：

private synchronized void initAsrModelServiceList(Map<String, ModelPlatform> nameToPlatform) {
    // ... 现有平台 ...

    // 新增
    initAsrModelService(AdiConstant.ModelPlatform.NEWAI,
        model -> new NewAiAsrService(model, nameToPlatform.get(AdiConstant.ModelPlatform.NEWAI)));
}

---

上一篇：语音合成（TTS）能力接入 ｜ 下一篇：返回总目录