FunASR语音识别（解决-高并发线程问题）_funasr 自动分段

一、FunASR

在我的另一个博客有介绍FunASR,并且进行了语者分离，不过最近FunASR自带了语者分离，挺好挺好，但是一直看社区就是大家都用python写，会出现线程不安全问题，群里有大佬说使用多台服务器，然后用nginx做代理，这不是妥妥土豪行为吗，感觉很浪费

vad出现的问题

方案解决：
图上部分是大佬给的解决方案
图下部分是我给的解决方案方案

二、我的方案：上代码（队列解决线程并发问题）

import os

import uuid

import copy

import json

import logging

import queue

import threading



import numpy as np

import torch

from flask import Flask

from flask import request, jsonify

from modelscope.pipelines import pipeline

from modelscope.utils.constant import Tasks



app = Flask(__name__)

# 创建一个队列

pipeline_queue = queue.Queue()

# 实例对象的计数器来存储实例的数量

created_instances = 0

# logging.basicConfig(filename='app.log', level=logging.INFO)

# logger = logging.getLogger('info')

# # 再创建一个handler，用于输出到控制台

# ch = logging.StreamHandler()

# ch.setLevel(logging.INFO)

# # 定义handler的输出格式

# formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')

# ch.setFormatter(formatter)

# # 给logger添加handler

# logger.addHandler(ch)





def flask_content_type(req) -> dict:

    """根据不同的content_type来解析数据"""

    if req.method == 'POST' or req.method == "PUT":

        if 'application/x-www-form-urlencoded' == req.content_type or 'form-data' in req.content_type:

            data = req.form

        else:  # 无法被解析出来的数据

            if req.data:

                data = json.loads(req.data)

            else:

                raise Exception('无法解析')

    elif req.method == 'GET':

        data = req.args

    else:

        raise Exception('不支持的请求方式')

    return copy.copy(data)





def create_pipelines(num_pipelines):

    """

    @Description：num_pipelines:创建pipeline实例的数量，根据你的显存大小创建，一个实例需要占用2GB

    """

    for _ in range(num_pipelines):

        global created_instances

        inference_pipeline = pipeline(

            task=Tasks.auto_speech_recognition,

            model='/root/autodl-tmp/models_from_modelscope/damo/speech_paraformer-large-vad-punc-spk_asr_nat-zh-cn',

            model_revision='v0.0.2',

            vad_model='/root/autodl-tmp/models_from_modelscope/damo/speech_fsmn_vad_zh-cn-16k-common-pytorch',

            punc_model='/root/autodl-tmp/models_from_modelscope/damo/punc_ct-transformer_cn-en-common-vocab471067-large')

        pipeline_queue.put(inference_pipeline)

        print("=========成功创建实例=========")

        # 更新已创建实例的数量

        created_instances += 1

        print(f"=====队列现有空闲实例数量为{pipeline_queue.qsize()}========")

        print(f"=====实例总数量数量为{created_instances}========")

        print("============================")





def create_pipelines_thread(num_pipelines):

    # 创建线程

    thread = threading.Thread(target=create_pipelines, args=(num_pipelines,))

    # 启动线程

    thread.start()

    return thread





def default_dump(obj):

    """Convert numpy classes to JSON serializable objects."""

    if isinstance(obj, (np.integer, np.floating, np.bool_)):

        return obj.item()

    elif isinstance(obj, np.ndarray):

        return obj.tolist()

    else:

        return obj





@app.route('/queue_size', methods=['GET'])

def get_queue_size():

    # 获取队列数量

    queue_size = pipeline_queue.qsize()



    # 构建响应

    response = {

        'queue_size': queue_size

    }



    # 返回响应

    return jsonify(response), 200





@app.route('/created_instances', methods=['GET'])

def get_created_instances():

    # 获取已创建的实例数量

    response = {

        'created_instances': created_instances

    }

    # 返回响应

    return jsonify(response), 200





@app.route('/add_pipeline/<int:num>', methods=['GET'])

def add_pipeline_queue(num):

    global created_instances

    if (created_instances >= 10):

        return jsonify({'error': f"现有实例数量为{created_instances},无法再添加"})



    print("=========开始创建实例=========")

    print(f"=====队列现有空闲实例数量为{pipeline_queue.qsize()}========")

    thread = create_pipelines_thread(num)

    # 等待线程结束

    thread.join()

    print("=========实例创建结束=========")

    print(pipeline_queue.qsize())



    return jsonify({'success': f"队列现有空闲实例数量为{pipeline_queue.qsize()}！现有实例数量为{created_instances}"})





@app.route('/', methods=['POST'])

def result_test():

    dates = flask_content_type(request).copy()

    print(dates)

    return jsonify({'success': dates})





@app.route('/transcribe', methods=['POST'])

def transcribe():

    print("======队列剩余======")

    print(pipeline_queue.qsize())

    # 第一步，获取请求体



    if 'audio_file' in request.files:

        audio_file = request.files['audio_file']

        file_ext = os.path.splitext(audio_file.filename)[1]

        if file_ext.lower() not in ['.wav', '.mp3']:

            return jsonify({'error': str('Error: Audio file must be either .wav or .mp3')}), 500

        else:

            try:

                # 将音频文件保存到临时文件夹中

                temp_dir_path = 'temp'

                if not os.path.exists(temp_dir_path):

                    os.makedirs(temp_dir_path)

                # 保存上传的临时文件

                file_extension = os.path.splitext(audio_file.filename)[1]

                unique_filename = str(uuid.uuid4()) + file_extension

                temp_file_path = os.path.join(temp_dir_path, unique_filename)

                audio_file.save(temp_file_path)

                return start_asr(temp_file_path)



            except Exception as e:

                return jsonify({'error': str(e)}), 500

            finally:

                # 删除临时文件

                os.remove(temp_file_path)



    else:

        dates = flask_content_type(request).copy()

        return start_asr(dates['file_url'])





def start_asr(temp_file_path):

    import time



    # 记录开始时间

    start_time = time.time()

    inference_pipeline = pipeline_queue.get()

    # 使用 inference pipeline 进行语音转写

    asr_result = inference_pipeline(audio_in=temp_file_path, batch_size_token=5000,

                                    batch_size_token_threshold_s=40,

                                    max_single_segment_time=6000)

    try:

        transform = time.time() - start_time



        asr_result["transform_time"] = transform



        # 将语音识别结果转换为json格式

        result = json.dumps(asr_result, ensure_ascii=False, default=default_dump)

        return result

    except Exception as e:

        print(str(e))

        # 返回错误信息

        return jsonify({'error': str(e)}), 500

    finally:

        pipeline_queue.put(inference_pipeline)





def start_flask_app(port):

    """

    启动 Flask 应用程序并运行在指定端口上

    在调用 Flask 的 app.run 方法后，应用会进入监听状态，等待客户端发起请求。这意味着应用会一直停留在 app.run() 这一行，不会继续执行后续的 Python 代码。

    启动 Flask 应用程序前，使用多线程的方式创建：我这里是32G显存所以默认创建10个实例

    """

    print("============================")

    print("======开始异步创建实例=========")

    print("============================")

    try:

        # 清除显卡

        torch.cuda.empty_cache()



    except Exception as e:

        # 返回错误信息

        print(e)

    create_pipelines_thread(5)

    app.run(port=port)





if __name__ == '__main__':

    start_flask_app(9501)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438

三、测试

二已经给你完整的示例了，所以我就不测了，我都上生产了，你们自己用postman或者代码试一下把！有问题再联系我18956043585（微信同号）
兄弟们，这是我的解决方案，欢迎交流，如果有帮助，或者有问题，欢迎回来留言，分享一下你的兴奋