four-level-schedule/parser/parsers/audio_parser.py

from core.router import Parser
from models.result import ParseResult
from utils.logger import log
from utils.ffmpeg_wrapper import FFmpegWrapper
import os
import tempfile
import requests


class AudioParser(Parser):
    """音频文件解析器"""
    
    def __init__(self):
        self.ffmpeg = FFmpegWrapper()
        # Qwen3-ASR模型配置 - 使用专门的音频转录端点
        self.qwen_asr_api_url = "http://10.192.72.13:7283/v1/audio/transcriptions"
        log.info("音频解析器初始化完成，使用本地部署的Qwen3-ASR模型")
    
    async def parse(self, file_path: str) -> ParseResult:
        """
        解析音频文件
        
        Args:
            file_path: 文件路径
            
        Returns:
            ParseResult: 解析结果
        """
        log.info(f"开始解析音频文件: {file_path}")
        temp_wav_path = None
        try:
            # 1. 预处理：转换为16k/16bit/mono wav
            with tempfile.NamedTemporaryFile(suffix='.wav', delete=False) as temp_file:
                temp_wav_path = temp_file.name
            
            log.info(f"创建临时文件: {temp_wav_path}")
            self.ffmpeg.convert_audio(file_path, temp_wav_path)
            log.info(f"音频转换完成: {temp_wav_path}")
            
            # 2. 使用Qwen3-ASR进行语音识别
            log.info("开始使用Qwen3-ASR进行语音识别...")
            log.info(f"使用的API地址: {self.qwen_asr_api_url}")
            
            content = []
            result = None
            try:
                # 检查文件大小
                file_size = os.path.getsize(temp_wav_path)
                log.info(f"音频文件大小: {file_size / (1024 * 1024):.2f} MB")
                
                # 使用专门的音频转录端点，支持文件上传
                log.info("准备使用文件上传方式进行语音识别...")
                
                # 构建请求数据
                session = requests.Session()
                session.trust_env = False  # 禁用环境变量中的代理设置
                
                # 使用multipart/form-data上传文件
                files = {
                    'file': ('audio.wav', open(temp_wav_path, 'rb'), 'audio/wav')
                }
                data = {
                    'model': '/data/shared/Qwen3-ASR/qwen/Qwen3-ASR-1.7B',
                    'language': 'zh',
                    'response_format': 'json'
                }
                
                # 发送请求
                log.info("开始发送请求...")
                # 增加超时时间，音频处理可能需要更长时间
                response = session.post(self.qwen_asr_api_url, files=files, data=data, timeout=600)
                log.info(f"请求完成，状态码: {response.status_code}")
                
                # 打印响应内容以进行调试
                if response.status_code != 200:
                    log.warning(f"响应内容: {response.text}")
                
                response.raise_for_status()
                result = response.json()
                
                log.info("Qwen3-ASR语音识别完成")
                log.info(f"识别结果: {result}")
                
                # 3. 构建解析结果
                if result and 'text' in result:
                    full_text = result['text']
                    # 清理识别结果中的标记
                    clean_text = full_text.replace('language Chinese<asr_text>', '').strip()
                    content.append(f"完整文本: {clean_text}")
                else:
                    log.warning("解析失败：未获取到有效结果")
                    content.append("解析失败：未获取到有效结果")
                
                log.info(f"构建完成，内容长度: {len(content)}")
            except requests.exceptions.Timeout as e:
                log.error(f"Qwen3-ASR语音识别超时: {str(e)}")
                content.append("语音识别超时，请检查服务是否正常运行")
            except requests.exceptions.ConnectionError as e:
                log.error(f"Qwen3-ASR语音识别连接错误: {str(e)}")
                content.append("语音识别连接错误，请检查服务地址是否正确")
            except Exception as e:
                log.error(f"Qwen3-ASR语音识别失败: {str(e)}")
                import traceback
                log.error(f"异常堆栈: {traceback.format_exc()}")
                # 即使失败，也尝试返回一个基本结果
                content.append("语音识别失败，但文件已成功处理")
            
            # 清理临时文件
            if temp_wav_path and os.path.exists(temp_wav_path):
                os.remove(temp_wav_path)
                log.info(f"临时文件已清理: {temp_wav_path}")
            
            return ParseResult(
                content="\n".join(content),
                metadata={
                    "parser": "Qwen3-ASR",
                    "file_size": os.path.getsize(file_path),
                    "api_url": self.qwen_asr_api_url
                },
                file_type="audio"
            )
        except Exception as e:
            log.error(f"音频文件解析失败: {str(e)}")
            import traceback
            log.error(f"异常堆栈: {traceback.format_exc()}")
            # 清理临时文件
            if temp_wav_path and os.path.exists(temp_wav_path):
                try:
                    os.remove(temp_wav_path)
                    log.info(f"临时文件已清理: {temp_wav_path}")
                except:
                    pass
            return ParseResult(
                content="",
                metadata={"error": str(e)},
                file_type="audio"
            )