Ai_GirlFriend/ASR问题修复总结.md

ASR 语音识别问题修复总结

🔍 问题诊断

错误信息

Expected URL scheme 'http' or 'https' but was 'file'

问题根源

经过详细分析，发现了两个主要问题：

1. 后端 OSS URL 生成问题（已修复）

位置: lover/oss_utils.py

问题: 当配置了 ALIYUN_OSS_CDN_DOMAIN 时，如果 CDN 域名没有包含协议前缀（http:// 或 https://），生成的 URL 会缺少协议，导致 DashScope ASR 无法识别。

修复:

# 修复前
file_url = f"{settings.ALIYUN_OSS_CDN_DOMAIN.rstrip('/')}/{object_key}"

# 修复后
cdn_domain = settings.ALIYUN_OSS_CDN_DOMAIN.rstrip('/')
# 确保 CDN 域名包含协议
if not cdn_domain.startswith('http://') and not cdn_domain.startswith('https://'):
    cdn_domain = f"https://{cdn_domain}"
file_url = f"{cdn_domain}/{object_key}"

2. 前端 baseURLPy 未定义问题（已修复）

位置: xuniYou/pages/chat/phone.vue

问题: 在 sendAudioToASR 方法中使用了 this.baseURLPy，但该属性没有在 data 中定义，导致 URL 构建失败。

修复:

// 在 data() 中添加
data() {
    return {
        // ... 其他属性
        baseURLPy: baseURLPy // 添加 baseURLPy 到 data
    }
}

✅ 修复验证

1. OSS URL 生成测试

python test_oss_url_fix.py

结果:

✅ OSS 连接成功
✅ 文件上传成功
📍 生成的 URL: https://hello12312312.oss-cn-hangzhou.aliyuncs.com/voice_call/xxx.mp3
✅ URL 格式正确（包含协议）
✅ URL 包含 Bucket 名称
✅ 测试文件已删除
🎉 OSS URL 生成测试通过！

2. DashScope ASR 完整测试

python test_dashscope_asr_complete.py

结果:

✅ 上传成功
✅ 任务创建成功
❌ 识别失败: SUCCESS_WITH_NO_VALID_FRAGMENT
💡 原因: 测试音频是正弦波，不包含有效语音

说明: 这是预期结果，因为测试音频不包含真实语音。使用真实录音应该可以正常识别。

📋 DashScope ASR 官方文档要求

根据测试和官方文档，ASR 服务要求：

1. 文件 URL 要求

• ✅ 必须使用 HTTPS 或 HTTP 协议
• ✅ URL 必须可公开访问
• ✅ 文件必须存储在 OSS 或其他云存储服务

2. 音频格式要求

• ✅ 支持格式: WAV, MP3, PCM, OPUS, SPEEX, AMR
• ✅ 推荐采样率: 16kHz
• ✅ 推荐声道: 单声道
• ✅ 推荐编码: 16-bit PCM

3. 音频内容要求

• ⚠️ 必须包含有效的语音内容
• ⚠️ 音频时长建议 1-60 秒
• ⚠️ 避免过多背景噪音

4. API 调用流程

# 1. 上传音频到 OSS
file_url = upload_audio_file(audio_data, "wav")

# 2. 创建 ASR 任务
task_response = Transcription.async_call(
    model='paraformer-v2',
    file_urls=[file_url],
    parameters={
        'format': 'wav',
        'sample_rate': 16000,
        'enable_words': False
    }
)

# 3. 等待识别完成
result = Transcription.wait(task=task_id)

# 4. 解析结果
if result.output.task_status == "SUCCEEDED":
    # 下载转录结果
    transcription_url = result.output.results[0]['transcription_url']
    response = requests.get(transcription_url)
    transcription_data = response.json()
    text = transcription_data['transcripts'][0]['text']

🔧 常见错误码

SUCCESS_WITH_NO_VALID_FRAGMENT

含义: 音频中未检测到有效语音片段

可能原因:

• 音频时长太短（< 0.5秒）
• 音频内容是纯音乐或噪音
• 音频音量太小
• 音频格式损坏

解决方案:

• 确保录音时长 > 1 秒
• 在安静环境录音
• 靠近麦克风说话
• 检查录音设备

FILE_DOWNLOAD_FAILED

含义: DashScope 无法下载音频文件

可能原因:

• OSS Bucket 权限设置不正确
• 文件 URL 不可公开访问
• 网络连接问题

解决方案:

• 检查 OSS Bucket 的公共读权限
• 确保文件 URL 可以在浏览器中直接访问
• 检查防火墙设置

DECODE_ERROR

含义: 音频格式解码失败

可能原因:

• 音频格式不正确
• 文件头信息损坏
• 编码参数不匹配

解决方案:

• 使用标准的 WAV 或 MP3 格式
• 确保采样率为 8kHz 或 16kHz
• 使用单声道录音

🚀 下一步测试

1. 前端测试

1. 重新编译前端应用
2. 打开语音通话页面
3. 按住"按住说话"按钮
4. 说话 2-3 秒："你好，今天天气怎么样"
5. 松开按钮
6. 查看识别结果

2. 预期结果

前端控制台:

📁 开始处理录音文件
✅ 文件读取成功，开始发送到ASR
📤 发送ASR请求...
✅ ASR响应: {text: "你好，今天天气怎么样"}

后端日志:

INFO - 收到 JSON ASR 请求，格式: wav
INFO - 解码音频数据成功，大小: XXX 字节
INFO - 上传 WAV 文件到 OSS...
INFO - 文件上传成功: https://...
INFO - 调用 DashScope ASR...
INFO - ASR 任务已创建: xxx
INFO - ASR 识别成功
INFO - 最终 ASR 识别结果: 你好，今天天气怎么样

📝 配置检查清单

环境变量 (.env)

# DashScope API Key
DASHSCOPE_API_KEY=sk-xxx

# OSS 配置
ALIYUN_OSS_ACCESS_KEY_ID=xxx
ALIYUN_OSS_ACCESS_KEY_SECRET=xxx
ALIYUN_OSS_BUCKET_NAME=xxx
ALIYUN_OSS_ENDPOINT=https://oss-cn-hangzhou.aliyuncs.com
ALIYUN_OSS_CDN_DOMAIN=https://xxx.oss-cn-hangzhou.aliyuncs.com

# ASR 配置
VOICE_CALL_ASR_MODEL=paraformer-realtime-v2
VOICE_CALL_ASR_SAMPLE_RATE=16000

OSS Bucket 权限

• ✅ 公共读权限已开启
• ✅ 跨域配置已设置（如需要）
• ✅ AccessKey 有上传和删除权限

网络配置

• ✅ 后端服务运行在 0.0.0.0:30102
• ✅ 防火墙允许 30102 端口
• ✅ 前端配置正确的后端地址

🎯 总结

已修复的问题

1. ✅ OSS URL 生成缺少协议前缀
2. ✅ 前端 baseURLPy 未定义
3. ✅ URL 格式验证逻辑

验证通过的功能

1. ✅ OSS 连接和文件上传
2. ✅ URL 格式正确性
3. ✅ DashScope ASR API 调用流程

待真实录音测试

1. ⏳ 前端录音功能
2. ⏳ 完整的 ASR 识别流程
3. ⏳ 识别结果展示

---

最后更新: 2026-03-05 修复版本: v1.1