# voice-service-master

**Repository Path**: JYSL/voice-service-master

## Basic Information

- **Project Name**: voice-service-master
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-22
- **Last Updated**: 2026-03-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Voice Service (AI Triage Gateway)

本服务专为医疗 AI 导诊系统（AI Triage）设计的纯内网高并发**语音交互网关**。
职责是作为连接患者（Kiosk / 麦克风音频）与大语言模型中间的视听桥梁。

## 核心架构 (The Pipeline)

### 1. 语音识别 (ASR) - 已完成
基于阿里开源的 **FunASR (Paraformer)** 模型，实现毫秒级高并发录音转写。
*   **特性**：内置医学专有热词词典（`hotwords.txt`），可抵抗环境噪音。
*   **并发控制**：基于 `ThreadPoolExecutor` 和 `Semaphore` 实现了队列积压保护，超时防雪崩设计。
*   **接口**：`POST /transcribe` (multipart/form-data)

### 2. 语音合成 (TTS) - 待办集成 (TODO)
根据《AI智能导诊系统2.0需求规格说明书》，TTS 模块**必须**从当前的 Mock（正弦波假测试）全部替换为真实的克隆语音引擎。

**集成要求 (CosyVoice 接入)**：
*   **唯一指定模型**：**CosyVoice** (阿里开源)。
*   **流式响应 (Streaming)**：必须支持流式打字机音频返回。一旦大模型吐出前十几字，TTS 就要立刻生成音频块推回前端，**绝对不能**等一整段话全部生成后再渲染音频（会有严重的几秒级停顿体验）。
*   **架构设计**：`_tts_sync` 函数将改为通过内部 API 或 SDK 调用单独部署的 CosyVoice 服务，或者在本库中通过进程隔离挂载 CosyVoice。

## 环境要求

1.  Python 3.10+
2.  CUDA 12+ (若使用 GPU 加速)
3.  依赖安装：
    ```bash
    pip install -r requirements.txt
    ```

## 启动服务

使用 Uvicorn 启动多 Worker 高并发模式：
```bash
# WORKERS = 单个机器上持有的模型副本数量（强烈建议 >= 2）
export WORKERS=2
export MAX_CONCURRENT=6
uvicorn main:app --host 0.0.0.0 --port 8001 --workers $WORKERS
```

## 内部配置速查 (Config)
所有核心参数均可通过环境变量覆盖：
*   `MODEL_ID`: FunASR 模型标识 (默认: `paraformer-zh`)
*   `MAX_CONCURRENT`: 单机最大同时推理任务数 (默认: 4)
*   `INFER_TIMEOUT`: 单次识别防雪崩超时秒数 (默认: 60)
*   `HOTWORDS_PATH`: 医疗专属热词词典路径 (默认: `hotwords.txt`)