FireRedASR Pro集成MySQL安装配置教程：构建语音数据管理后台

FireRedASR Pro集成MySQL安装配置教程构建语音数据管理后台你是不是刚用FireRedASR Pro跑通了语音识别看着一行行识别出的文字在终端里一闪而过心里却有点犯嘀咕这些宝贵的数据难道每次都要重新识别怎么才能把它们存起来方便以后查询、分析甚至做二次开发别急今天咱们就来解决这个问题。我会手把手带你给FireRedASR Pro装上一个“记忆大脑”——MySQL数据库。这样一来每次识别的结果不管是会议记录、访谈内容还是客服录音的文字稿都能自动、规整地存进数据库里。想查哪段、想分析什么就是点几下鼠标或者敲一行命令的事儿。整个过程就像搭积木咱们分三步走先把FireRedASR Pro在星图GPU平台上稳稳地跑起来然后给它配一个专用的MySQL“仓库”最后写个“搬运工”脚本让识别结果自动入库。放心哪怕你之前没怎么碰过数据库跟着做也能搞定。1. 第一步在星图平台部署FireRedASR Pro万事开头难但咱们这个开头很简单。星图平台已经把环境打包好了我们直接“开箱即用”。1.1 创建并启动镜像实例首先你需要登录星图平台。在镜像广场里找到FireRedASR Pro的镜像。这个镜像通常已经预置了Python、PyTorch以及FireRedASR Pro模型本身省去了我们手动安装各种依赖的麻烦。点击“部署”后平台会让你选择实例的配置。对于语音识别GPU是必须的它能大幅提升推理速度。根据你的音频文件长度和并发需求选择一款合适的GPU型号。内存和硬盘空间按默认配置或稍大一些即可。配置完成后启动实例等待几分钟一个带有完整环境的云服务器就准备好了。1.2 验证ASR服务运行实例启动后通过Web终端或者SSH连接进去。第一件事就是确认FireRedASR Pro能不能正常工作。你可以找一个短的测试音频文件比如.wav格式用下面这个简单的命令试试看# 假设你的测试音频叫 test_audio.wav python -m firedred_asr.cli --model-name 你的模型路径 --audio-path test_audio.wav如果终端里清晰地打印出了识别出的文字恭喜你第一步的基石已经打牢了。如果遇到问题通常是模型路径不对或者音频格式不支持回头检查一下这两点。2. 第二步安装与配置MySQL数据库现在我们要为这些识别文字建立一个“家”。我们在同一个实例里安装MySQL这样数据交互速度最快也最方便管理。2.1 安装MySQL服务器在Ubuntu或Debian系统的实例里安装MySQL非常方便。打开终端依次执行以下命令# 更新软件包列表 sudo apt-get update # 安装MySQL服务器 sudo apt-get install mysql-server -y安装过程中可能会提示你设置root用户的密码。请务必设置一个强密码并牢记它这是管理数据库的最高权限。安装完成后启动MySQL服务并设置它开机自启sudo systemctl start mysql sudo systemctl enable mysql2.2 进行安全初始化与创建专用数据库刚安装的MySQL有一些默认设置不太安全我们运行一个安全脚本来加固它sudo mysql_secure_installation这个脚本会引导你完成几步操作设置root密码如果安装时没设、移除匿名用户、禁止root远程登录、删除测试数据库等。对于生产环境建议全部选择“Y”。安全设置完成后我们登录MySQL为FireRedASR Pro创建一个专用的数据库和用户。这样做是为了安全避免直接使用root账户。# 以root身份登录MySQL sudo mysql -u root -p输入密码后进入MySQL命令行。然后执行以下SQL语句-- 创建一个专门用于存储语音识别结果的数据库 CREATE DATABASE firedred_asr_db CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; -- 创建一个新用户并设置密码请将 your_strong_password 替换成你自己的密码 CREATE USER asr_userlocalhost IDENTIFIED BY your_strong_password; -- 授予这个用户对 firedred_asr_db 数据库的所有操作权限 GRANT ALL PRIVILEGES ON firedred_asr_db.* TO asr_userlocalhost; -- 让权限设置立即生效 FLUSH PRIVILEGES; -- 退出MySQL命令行 EXIT;好了数据库的“房子”和“管家”都准备好了。3. 第三步设计数据表与编写入库脚本这是最核心的一步。我们需要设计一张表来合理存放识别结果然后写一个Python脚本在识别完成后自动把数据送进这张表。3.1 设计语音识别结果表我们的表需要记录哪些信息呢除了最核心的识别文本还有一些“元数据”非常重要比如这段语音是谁的、什么时候识别的、对应的原始音频文件在哪。这样以后查找和分析才方便。再次登录MySQL这次用我们新建的asr_user账户进入firedred_asr_db数据库来创建表mysql -u asr_user -p firedred_asr_db输入密码后执行建表SQL语句CREATE TABLE asr_results ( id INT AUTO_INCREMENT PRIMARY KEY, user_id VARCHAR(100), -- 用户标识可以是用户名、工号等 audio_file_path VARCHAR(500), -- 原始音频文件的存储路径 recognized_text TEXT, -- 语音识别出的完整文本 start_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP, -- 识别任务开始时间 processing_duration FLOAT, -- 处理耗时秒 confidence_score FLOAT, -- 识别置信度如果模型提供 additional_info JSON, -- 其他额外信息如分段结果、时间戳用JSON格式灵活存储 created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP -- 记录创建时间 );这张表的结构已经考虑得比较周全了。additional_info字段用了JSON类型这是个妙招。因为不同场景下你可能还想存别的东西比如识别出的每句话的开始结束时间时间戳或者说话人分离的信息。用JSON字段以后想加什么数据直接往这个字段里塞一个JSON对象就行不用频繁修改表结构非常灵活。3.2 编写Python数据入库脚本现在我们来编写连接数据库和插入数据的Python脚本。首先确保安装了Python的MySQL连接器pip install mysql-connector-python然后创建一个名为asr_to_mysql.py的脚本。这个脚本的核心是两大部分一是连接数据库的函数二是插入数据的函数。import mysql.connector from mysql.connector import Error import json from datetime import datetime import sys def create_db_connection(): 创建并返回一个到MySQL数据库的连接 connection None try: connection mysql.connector.connect( hostlocalhost, # 数据库地址因为同在实例内所以是localhost userasr_user, # 我们之前创建的用户名 passwordyour_strong_password, # 替换成你设置的密码 databasefiredred_asr_db # 数据库名 ) print(MySQL数据库连接成功) except Error as e: print(f连接数据库时发生错误: {e}) sys.exit(1) # 连接失败退出脚本 return connection def insert_asr_result(connection, asr_data): 将单条ASR结果插入数据库 cursor connection.cursor() # 准备SQL插入语句 insert_query INSERT INTO asr_results (user_id, audio_file_path, recognized_text, processing_duration, confidence_score, additional_info) VALUES (%s, %s, %s, %s, %s, %s) # 准备要插入的数据元组 # 注意additional_info 字段需要是JSON格式的字符串 record_to_insert ( asr_data.get(user_id), asr_data.get(audio_file_path), asr_data.get(recognized_text), asr_data.get(processing_duration), asr_data.get(confidence_score), json.dumps(asr_data.get(additional_info)) if asr_data.get(additional_info) else None ) try: cursor.execute(insert_query, record_to_insert) connection.commit() # 提交事务使插入生效 print(f数据插入成功ID: {cursor.lastrowid}) except Error as e: print(f插入数据失败: {e}) finally: cursor.close() # 示例如何使用这个脚本 if __name__ __main__: # 1. 建立数据库连接 db_connection create_db_connection() # 2. 模拟一段从FireRedASR Pro得到的识别结果 # 这里假设你已经通过某种方式如下面的集成示例拿到了这些数据 sample_result { user_id: user_001, audio_file_path: /data/audio/interview_20231020.wav, recognized_text: 你好欢迎参加本次产品体验访谈。请问您对当前版本的使用感受如何, processing_duration: 2.34, # 识别耗时2.34秒 confidence_score: 0.92, # 置信度92% additional_info: { # 额外的JSON信息 segments: [ {text: 你好, start: 0.0, end: 0.8}, {text: 欢迎参加本次产品体验访谈。, start: 0.9, end: 3.2}, {text: 请问您对当前版本的使用感受如何, start: 3.5, end: 6.1} ], language: zh-CN } } # 3. 调用函数插入数据 insert_asr_result(db_connection, sample_result) # 4. 关闭数据库连接 if db_connection.is_connected(): db_connection.close() print(数据库连接已关闭)你可以先运行一下这个脚本看看能不能成功插入一条示例数据。如果成功了就去MySQL里查一下SELECT * FROM asr_results;应该能看到刚插入的那条记录。4. 第四步集成与自动化实战脚本写好了怎么让它和FireRedASR Pro联动起来实现自动入库呢这里给你提供两种最实用的思路。4.1 方法一修改识别脚本直接入库这是最直接的方法。找到你运行FireRedASR Pro的Python脚本或者你自己写一个调用脚本在得到识别结果后立刻调用我们上面写的insert_asr_result函数。假设你有一个run_asr.py的脚本修改后的大致样子如下import firedred_asr # 导入我们刚才写的数据库操作模块 from asr_to_mysql import create_db_connection, insert_asr_result def main(audio_path, user_id): # 1. 连接数据库 db_conn create_db_connection() # 2. 调用FireRedASR Pro进行识别 # 这里需要根据FireRedASR Pro的实际API进行调整 start_time datetime.now() asr_result firedred_asr.transcribe(audio_path) # 假设的API processing_duration (datetime.now() - start_time).total_seconds() # 3. 组织要存储的数据 asr_data { user_id: user_id, audio_file_path: audio_path, recognized_text: asr_result[text], # 获取识别文本 processing_duration: processing_duration, confidence_score: asr_result.get(confidence, 0.0), # 获取置信度如果没有则默认为0 additional_info: { raw_result: asr_result # 你也可以把原始结果整个存进去方便调试 } } # 4. 插入数据库 insert_asr_result(db_conn, asr_data) # 5. 关闭连接 db_conn.close() print(f识别完成结果已存入数据库。文本{asr_result[text][:50]}...) # 打印前50个字符 if __name__ __main__: main(/path/to/your/audio.wav, test_user)4.2 方法二结果写入文件再由独立程序入库如果你不想改动ASR的核心代码或者处理的是批量文件这个方法更清晰。让FireRedASR Pro把识别结果输出到一个JSON文件然后写一个独立的“守护”程序比如用cron定时任务不断扫描这个文件夹发现有新的结果文件就读取并存入数据库。步骤1修改ASR调用将结果保存为JSON。步骤2编写一个file_watcher.py脚本使用watchdog库监听文件变化或者简单点用cron每分钟执行一次检查并处理新文件。# file_watcher.py 简化示例 import os import json from asr_to_mysql import create_db_connection, insert_asr_result def process_result_file(file_path, db_connection): with open(file_path, r, encodingutf-8) as f: result_data json.load(f) # 假设result_data的结构和我们定义的asr_data一致 insert_asr_result(db_connection, result_data) # 可选处理完后移动或删除文件避免重复处理 os.rename(file_path, file_path .processed) def main(): result_dir /path/to/asr/results/ db_conn create_db_connection() for filename in os.listdir(result_dir): if filename.endswith(.json): file_path os.path.join(result_dir, filename) print(f处理文件: {filename}) process_result_file(file_path, db_conn) db_conn.close() if __name__ __main__: main()然后在系统的crontab里添加一行让它每分钟跑一次* * * * * /usr/bin/python3 /path/to/your/file_watcher.py /tmp/asr_watcher.log 215. 总结与后续建议走完上面四步一个能够自动存储语音识别结果的管理后台就初具雏形了。现在你的FireRedASR Pro不再是“过耳即忘”而是变成了一个持续积累知识资产的系统。你可以随时用SQL语句查询历史记录或者用任何可视化工具比如Grafana、Metabase连接MySQL做更直观的数据分析。回顾一下整个过程的关键其实就是“连接”二字把成熟的ASR工具和同样成熟的数据库工具连接起来。难点不在于每一部分有多深奥而在于让它们顺畅地协作。我建议你先用方法一在单个文件的识别流程里把入库功能跑通感受一下数据从音频变成文字再自动跳进数据库表里的完整链条。这能帮你建立最强的信心。当然这只是一个起点。当数据多起来之后你可能会考虑更多问题比如给audio_file_path和user_id字段加索引来加快查询速度或者定期清理旧数据。你也可以扩展asr_results表增加status字段来标记识别状态如排队中、识别中、完成、失败这样就能构建一个简单的任务队列管理系统了。最实在的建议是立刻动手用你手头的一段音频文件从头到尾操作一遍。遇到报错别慌那通常是路径、密码或者SQL语法的小问题对照着教程一步步检查很快就能解决。当你第一次在MySQL客户端里SELECT出自己识别并存储的文本时那种一切尽在掌握的感觉就是技术人最好的回报。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。