# audio_tran

**Repository Path**: MR-wind/audio_tran

## Basic Information

- **Project Name**: audio_tran
- **Description**: 实时监听摄像头音频流，通过 ASR 语音识别转写文字，匹配敏感词后自动触发告警并上报海康威视平台。
- **Primary Language**: Go
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-17
- **Last Updated**: 2026-06-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Audio Tran - 实时音频监控与敏感词识别系统

实时监听摄像头音频流，通过 ASR 语音识别转写文字，匹配敏感词后自动触发告警并上报海康威视平台。

## 系统架构

```
┌──────────────┐     RTSP      ┌──────────────┐
│   摄像头      │──────────────▶│   Recorder   │
│  (音频流)     │              │  (录音/降噪)  │
└──────────────┘              └──────┬───────┘
                                     │ WAV 分段
                                     ▼
                              ┌──────────────┐     stdin/stdout     ┌──────────────┐
                              │  ASR Client  │◀───────────────────▶│ ASR Worker   │
                              │  (Go 进程)    │                     │ (Python 进程) │
                              └──────┬───────┘                     │  FunASR 模型  │
                                     │ 识别文本                     └──────────────┘
                                     ▼
                              ┌──────────────┐
                              │KeywordMatcher│
                              │  (敏感词匹配) │
                              └──────┬───────┘
                                     │ 命中
                                     ▼
┌──────────────┐   HTTP POST   ┌──────────────┐
│ 海康威视平台  │◀──────────────│ CallbackClient│
│  (告警接收)   │              │  (告警上报)    │
└──────────────┘              └──────────────┘
```

### 核心模块

| 模块 | 文件 | 职责 |
|------|------|------|
| Recorder | `recorder.go` | RTSP 音频流录制、降噪、VAD 切段、WAV 写入 |
| ASR Client | `asr.go` | 管理 Python ASR 工作池，调度识别任务 |
| ASR Worker | `asr_service/worker.py` | Python 进程，加载 FunASR 模型执行语音识别 |
| KeywordMatcher | `keyword.go` | 敏感词匹配（精确/模糊/拼音/数字四种模式） |
| CallbackClient | `callback.go` | 海康威视协议告警上报 |
| API | `api.go` | HTTP 接口服务（敏感词管理、设备管理、告警查询） |
| Database | `database.go` | SQLite 数据库（告警记录、分段记录、摄像头、敏感词） |
| Retention | `retention.go` | 定时清理过期音频文件和数据库记录 |

### 敏感词匹配策略

按优先级依次匹配，命中即停止：

1. **精确匹配** — Aho-Corasick 多模式匹配
2. **模糊匹配** — 编辑距离（短词严格，长词宽松）
3. **拼音匹配** — 汉字转拼音后匹配（处理谐音字）
4. **数字匹配** — 中文数字与阿拉伯数字互转匹配

## 编译需求

- **Go**: 1.26+
- **Python**: 3.10+（ASR 功能需要）
- **CUDA**: 11.8+ / 12.1（GPU 加速需要，可选）
- **NVIDIA 驱动**: >= 535（GPU 模式需要）

## 快速开始

### Windows 开发环境

```bash
# 编译运行
go build -o audio_tran.exe .
./audio_tran.exe -config config.yaml

# 交叉编译 Linux 版本
set GOOS=linux
set GOARCH=amd64
set CGO_ENABLED=0
go build -ldflags="-s -w" -o audio_tran .
```

### Linux 部署

#### 方式一：一键打包（推荐）

在有网络的 Linux 机器上执行：

```bash
# 3060 等新显卡（CUDA 12.1）
chmod +x asr_service/build_3060.sh
./asr_service/build_3060.sh

# 1080Ti 等老显卡（CUDA 11.8）
chmod +x asr_service/build_1080ti.sh
./asr_service/build_1080ti.sh
```

产出 `audio_tran_linux_cu121.tar.gz` 或 `audio_tran_linux_cu118.tar.gz`。

#### 方式二：从 Windows 打包 Linux 版本

```bash
# 双击运行
asr_service/build_3060_win.bat
```

#### 部署到生产服务器

```bash
tar -xzf audio_tran_linux_cu121.tar.gz
cd release_linux
chmod +x *.sh audio_tran
./install.sh    # 首次运行：安装 Python 依赖
./start.sh      # 启动服务
```

### 生产环境要求

- Linux x86_64
- Python 3.10+（`sudo apt install python3.10 python3.10-venv`）
- NVIDIA 驱动 >= 535（GPU 模式）
- 摄像头支持 RTSP 音频流

## 配置说明

`config.yaml` 完整示例：

```yaml
# 摄像头列表
cameras:
  - placeName: "cam01"              # 场所名称（唯一标识）
    deviceName: "大门摄像头"          # 设备名称
    url: "rtsp://admin:pass@192.168.1.100:554/Streaming/Channels/101"
    startTime: "08:30:00"           # 监听开始时间
    endTime: "18:00:00"             # 监听结束时间
    speaker: "IPTalkChan1"          # 海康对讲通道
    cameraIndexCode: "cam01_code"   # 海康摄像头索引码
    srcIndex: "src01"               # 海康资源索引
    srcParentIndex: "parent01"      # 海康父资源索引
    srcName: "IPTalkChan1"          # 海康资源名称

# 音频输出目录
output_dir: "output"

# 服务器IP（用于拼接音频下载地址）
server_ip: "192.168.1.100"

# HTTP服务端口
http_port: 9333

# 音频分段时长（秒）
segment_sec: 30

# 是否启用音频降噪
denoise: false

# 是否启用VAD（语音活动检测，在静音处自动切段）
vad_mode: true

# ASR语音识别开关
asr_enabled: true

# ASR服务目录
asr_dir: "asr_service"

# 每个GPU启动的ASR worker数量
workers_per_gpu: 2

# 海康威视回调配置
hik_callback:
  enabled: true
  url: "http://hik-server/api/callback"
  cookie: "your_cookie"
  src_type: "talk"
  event_type: 70000001

# 音频文件保留天数
retention_days: 7

# SQLite数据库路径
db_path: "data/audio_tran.db"
```

## API 接口

### 敏感词管理

| 接口 | 方法 | 说明 |
|------|------|------|
| `/api/forbid/issues` | POST | 下发敏感词列表 |
| `/api/forbid/rollback` | GET | 回滚到上次敏感词 |
| `/api/forbid/query` | GET | 查询当前敏感词 |

#### 下发敏感词

```bash
curl -X POST http://localhost:9333/api/forbid/issues \
  -H "Content-Type: application/json" \
  -d '[
    {
      "keyWordGroup": "敏感词组1",
      "keyWord": ["敏感词A", "敏感词B"]
    },
    {
      "keyWordGroup": "敏感词组2",
      "keyWord": ["敏感词C"]
    }
  ]'
```

### 设备管理

| 接口 | 方法 | 说明 |
|------|------|------|
| `/api/device/status` | GET | 查询摄像头状态 |
| `/api/listener/issues` | POST | 下发摄像头配置 |

#### 下发摄像头配置

```bash
curl -X POST http://localhost:9333/api/listener/issues \
  -H "Content-Type: application/json" \
  -d '[
    {
      "placeName": "cam01",
      "deviceName": "大门摄像头",
      "url": "rtsp://admin:pass@192.168.1.100:554/stream",
      "speaker": "IPTalkChan1",
      "cameraIndexCode": "cam01_code",
      "srcIndex": "src01",
      "srcParentIndex": "parent01",
      "srcName": "IPTalkChan1"
    }
  ]'
```

### 告警查询

| 接口 | 方法 | 说明 |
|------|------|------|
| `/api/alarm/query` | POST | 分页查询告警记录 |
| `/api/alarm/resend` | POST | 重发失败告警 |
| `/api/download/{camera}/{file}` | GET | 下载音频文件 |

#### 查询告警

```bash
curl -X POST http://localhost:9333/api/alarm/query \
  -H "Content-Type: application/json" \
  -d '{
    "page": 1,
    "size": 20,
    "startTime": "2026-01-01 00:00:00",
    "endTime": "2026-12-31 23:59:59",
    "status": 1,
    "placeName": "cam01"
  }'
```

查询参数（均为可选）：

| 参数 | 类型 | 说明 |
|------|------|------|
| page | int | 页码，默认 1 |
| size | int | 每页数量，默认 10 |
| startTime | string | 开始时间 |
| endTime | string | 结束时间 |
| deviceName | string | 设备名称 |
| keyWord | string | 关键词 |
| keyWordGroup | string | 关键词分组 |
| placeName | string | 场所名称 |
| status | int | 状态：0=待发送，1=成功，2=失败 |

### 统一响应格式

```json
{
  "code": 0,
  "msg": "ok",
  "data": {}
}
```

`code` 为 0 表示成功，-1 表示失败。

## 目录结构

```
audio_tran/
├── main.go                 # 程序入口
├── config.go               # 配置加载
├── config.yaml             # 配置文件
├── recorder.go             # RTSP 录音模块
├── asr.go                  # ASR 客户端（Go 侧）
├── keyword.go              # 敏感词匹配引擎
├── callback.go             # 海康威视回调
├── api.go                  # HTTP API 接口
├── database.go             # 数据库模型与操作
├── retention.go            # 过期文件清理
├── dsp.go                  # 音频处理（降噪/VAD）
├── go.mod / go.sum         # Go 依赖
├── asr_service/
│   ├── worker.py           # ASR Worker（Python）
│   ├── requirements.txt    # Python 依赖
│   ├── build.sh            # Linux 通用打包脚本
│   ├── build_3060.sh       # Linux 3060 打包
│   ├── build_1080ti.sh     # Linux 1080Ti 打包
│   └── build_3060_win.bat  # Windows 打包 Linux 版
└── release_linux/          # 打包输出目录
```

## 日志

日志同时输出到控制台和 `audio_tran.log` 文件，级别为 INFO。

关键日志：

```
系统启动                         # 启动参数
ASR识别结果 camera=cam01 text=...  # 识别结果
告警已触发 camera=cam01 keyword=... # 告警触发
海康回调请求报文 body=...          # 上报 JSON（调试用）
```

## 许可证

内部项目，仅供授权使用。