#ASR 模型 Playground 使用手册

ASR（Automatic Speech Recognition）Playground 是 Herdsman 为 Sherpa-ONNX 等语音识别模型提供的专用测试界面。允许用户通过上传音频文件或录制麦克风声音，快速验证模型将语音转换为文本的能力。

#启动 ASR 模型

1. 进入 模型中心 界面
2. 在模型列表中寻找带有 ASR 或 语音识别 标签的模型（如 sherpa-onnx 中文非流式 Paraformer Small）
3. 点击模型卡片上的 立即启动 按钮
4. 待模型状态变为 就绪 或 正在运行 后，点击卡片进入 Playground 界面

#界面功能详解

#基础设置与输入

• 语言选择（左侧）：提供语言下拉菜单（如 自动），可根据音频内容手动指定语言以提高准确率
• 输入模式（顶部 Tab）：
  • 文件：处理本地音频文件（WAV / MP3 / M4A 等）
  • 麦克风：实时录制语音并识别

#文件转写参数（核心区域）

• 推荐参数：最稳定的输入为 16 kHz 单声道 PCM WAV
• 兼容格式：也可尝试 FLAC / MP3 / M4A / OGG / WebM（需底层支持解码）
• 操作：拖入文件或点击 选择音频，然后点击 转写

#转写成功后的状态说明

当音频文件上传并完成转写后，界面会发生以下变化：

#转写结果展示区

• 字符统计：结果标题下方会显示识别出的字符数量（如 77 字符）
• 文本内容：下方文本框展示完整的识别结果
  • 示例："repo 内置完善的二次开发 sdk 与可扩展插件接口支持本地化与私有化部署…"

#运行状态监控（右侧边栏）

转写完成后，右侧面板会显示具体的性能数据：

• 延迟：本次转写的具体耗时（如 1726ms，约 1.7 秒）
• 硬件占用：
  • CPU：处理时的 CPU 占用率（如 7%）
  • GPU：GPU 占用率（如 4%）
  • 内存：当前内存使用情况（如 26.85GB）

#运行日志（右侧底部）

日志区域记录本次操作的详细信息：

• INFO Transcription complete in 1726ms — 确认转写已完成及其耗时
• INFO Transcription requested: ripple_tts_cloned.wav — 确认正在处理的文件名

#常见问题与技巧

Q：为什么上传 MP3 文件后没有结果或报错？

• A：Sherpa offline ASR 对格式要求较高。虽然界面显示"也可尝试 MP3"，但如果底层解码器不支持就会失败。最佳实践是先将音频转换为 16kHz 单声道 WAV 格式再上传。

Q：如何判断模型运行快慢？

• A：观察右侧的 延迟 和 RTF（实时率）。如果音频时长 10 秒，延迟显示 1726ms（1.7秒），说明模型处理速度远快于播放速度，性能优秀。