# semvts

**Repository Path**: mstes/semvts

## Basic Information

- **Project Name**: semvts
- **Description**: 语音文本语义相似性识别器
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-29
- **Last Updated**: 2026-05-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# semvts

语音文本语义相似性计算器

## 介绍

semvts 是一个基于深度学习的中文语义相似度计算工具，可以对用户输入的语音识别文本与预设的标准文本进行语义匹配。该工具使用 BGE（BAAI General Embedding）中文嵌入模型将文本转换为向量表示，通过余弦相似度计算来判断输入文本与标准文本的语义相似程度，同时支持必填关键词检查。

## 软件架构

- **核心模型**: BGE-small-zh-v1.5 中文语义嵌入模型
- **主程序**: speek_recognizer.py
  - `VoiceRecognizer` 类：核心识别器
  - `Result` 类：识别结果封装
- **测试模块**: test/test.py

## 功能特性

1. **语义嵌入**: 使用 BGE 中文模型将文本转换为高维向量
2. **相似度计算**: 基于余弦相似度衡量文本语义相似程度
3. **关键词检查**: 支持必填关键词验证，确保语义完整性
4. **可配置阈值**: 用户可根据场景调整通过阈值（默认 0.6）

## 安装教程

1. 确保 Python 环境满足要求（建议 Python 3.8+）
2. 安装依赖包：
   ```bash
   pip install torch
   pip install transformers
   ```
3. 克隆或下载本仓库到本地

## 使用说明

### 基本用法

```python
from speek_recognizer import VoiceRecognizer, Result

# 初始化识别器
recognizer = VoiceRecognizer(
    model_path="./bge-small-zh-v1.5",
    prompt="为这个句子生成表示以用于语义匹配: ",
    vec_dict=[
        {"text": "前方发现患者倒地", "must_keywords": ["患者", "倒地"]},
        {"text": "需要医疗协助", "must_keywords": ["医疗"]}
    ],
    pass_threshold=0.6
)

# 进行识别
result = recognizer.recognize("前方有患者倒在地上")

# 查看结果
print(f"匹配文本: {result.match_text}")
print(f"相似度: {result.cosine_similarity}")
print(f"是否通过: {result.is_pass}")
```

### 参数说明

| 参数 | 类型 | 默认值 | 说明 |
|------|------|--------|------|
| model_path | str | "./bge-small-zh-v1.5" | BGE 模型路径 |
| prompt | str | "为这个句子生成表示以用于语义匹配: " | 生成向量时的提示前缀 |
| vec_dict | list | [] | 标准文本列表，每个元素需包含 text 和 must_keywords |
| pass_threshold | float | 0.6 | 通过阈值，相似度大于等于此值视为通过 |

### Result 返回字段

| 字段 | 类型 | 说明 |
|------|------|------|
| match_text | str | 匹配到的最佳标准文本 |
| cosine_similarity | float | 余弦相似度值 |
| is_pass | bool | 是否通过验证 |

## 参与贡献

1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request

## 许可证

本项目仅供学习交流使用，模型许可证请参考 [BGE](https://github.com/baaifoundation/flagmodel) 官方说明。