TaskWeave ASR｜国产化离线多语种语音识别系统产品系统

面向政务会议、企业办公、智能客服及国产化信息系统等场景，传统语音转写服务通常依赖公网云端 API，存在网络依赖、数据隐私及内网部署受限等问题。本项目基于开源语音识别技术构建国产化环境下的离线语音识别服务，支持普通话、粤语、英语、日语和韩语等多语种识别，实现音频转文字、自动标点及说话人相关处理能力，为企业会议记录、语音交互和智能办公系统提供本地化语音技术支撑。

1. 多语种语音识别：基于 SenseVoice 模型，支持普通话、粤语、英语、日语、韩语等语音识别。
2. 离线识别服务：基于 sherpa-onnx 构建本地语音识别服务，支持内网及离线环境部署。
3. 自动标点处理：集成中文及英文标点恢复模型，优化语音转写文本的可读性。
4. 实时语音接入：提供 WebSocket 服务，支持音频流接入及语音识别结果返回。
5. REST API 服务：提供 HTTP 接口，支持音频转写、标点处理及相关语音能力调用。
6. 说话人处理：集成说话人分离模型及声纹识别模型，支持说话人注册、识别及相关管理接口。
7. 会议语音处理：支持多说话人会议录音转写，为会议纪要生成、发言人识别等上层 AI 应用提供语音数据。

本人自主开展 TaskWeave ASR 项目的技术方案设计、模型部署及服务研发。基于 Python、sherpa-onnx 和 SenseVoice 构建离线多语种语音识别服务，完成识别模型、自动标点模型及说话人相关模型的集成。采用 FastAPI 构建 REST API 服务，通过 WebSocket 提供语音识别接入能力，实现音频转写、文本标点处理及说话人相关接口。完成 Anolis OS 8.10 国产化环境下的部署适配、服务启动及运行验证，并通过多说话人会议音频进行识别效果测试，为 TaskWeave 会议助手和企业语音交互应用提供底层语音能力。