3. 使用 Vosk 进行语音识别（离线）

Vosk 是一个轻量级的语音转文本（STT）引擎，支持多种语言，并可在 Raspberry Pi 上**完全离线运行**。您只需在首次下载语言模型时连接网络，之后即可在无网络环境下正常使用。

在本课程中，我们将安装并测试 Vosk，并选择合适的语言模型。

测试 Vosk

运行程序

cd ~/sunfounder-voice-assistant/examples
sudo python3 stt_vosk_stream.py

首次使用某种语言运行该程序时，Vosk 将会：

自动下载语言模型 （默认下载轻量版本）。
输出支持的语言列表。
开始通过麦克风**监听音频输入**。

终端中将显示类似以下内容：

vosk-model-small-en-us-0.15.zip: 100%|███████████████████| 39.3M/39.3M [00:05<00:00, 7.85MB/s]
['ar', 'ar-tn', 'ca', 'cn', 'cs', 'de', 'en-gb', 'en-in', 'en-us', 'eo', 'es', 'fa', 'fr', 'gu', 'hi', 'it', 'ja', 'ko', 'kz', 'nl', 'pl', 'pt', 'ru', 'sv', 'te', 'tg', 'tr', 'ua', 'uz', 'vn']
Say something

这表示：

语言模型文件（vosk-model-small-en-us-0.15）已成功下载。

已输出支持的语言列表。

系统已进入监听状态——请对着 Pironman 5 Pro MAX 的麦克风说话，识别结果会显示在终端中。

提示：

将麦克风保持在 15–30 cm 距离内，以获得更好的识别效果。
选择与您的语言和口音匹配的模型。
在安静环境中使用可提高识别准确率。

代码

from sunfounder_voice_assistant.stt import Vosk as STT

stt = STT(language="en-us")

while True:
   print("Say something")
   for result in stt.listen(stream=True):
      if result["done"]:
            print(f"final:   {result['final']}")
      else:
            print(f"partial: {result['partial']}", end="\r", flush=True)

代码说明：

stt.listen(stream=True) — 启动流式语音识别，在您说话的过程中持续返回中间识别结果。
result["partial"] — 显示**实时识别文本** （会不断更新）。
result["final"] — 当您停止说话时，显示**最终识别出的完整句子**。
循环会持续运行，从而实现**免手动操作的实时语音转写**。

提示：这种流式模式非常适合用于 语音助手、语音命令控制 或 实时语音转写。

故障排查

No such file or directory（运行 `arecord` 时出现）

可能是使用了错误的声卡/设备编号。运行：
```
arecord -l
```
然后将 1,0 替换为您 USB 麦克风对应的设备编号。
录音文件没有声音

打开混音器并检查麦克风音量：
```
alsamixer
```
- 按 F6 选择您的 USB 麦克风。
- 确保 Mic/Capture 未被静音（显示为 [OO] 而不是 [MM]）。
- 使用 ↑ 键提高音量。
Vosk 无法识别语音
- 确保 语言代码 与模型一致（例如英语使用 en-us，中文使用 zh-cn）。
- 将麦克风保持在 15–30 cm 距离，并避免背景噪声。
- 说话清晰、语速适中。
识别延迟较高 / 速度较慢
- 默认自动下载的是 small 模型 （速度较快，但准确率略低）。
- 如果仍然较慢，可以关闭其他程序以释放 CPU 资源。