开源语音识别工具 Vosk 中VoskRecognizer类方法功能介绍

VoskRecognizer 是开源语音识别工具 Vosk 中的核心类，用于将音频流转换为文本。以下是其常见方法的作用及使用场景：

核心方法
AcceptWaveform(data: bytes)

作用：向识别器输入音频数据块（通常是 PCM 格式的字节流）。
参数：data 为二进制音频数据，需符合模型要求的格式（如 16kHz、16-bit 单声道 PCM）。
使用场景：在实时流或文件处理中，循环调用此方法逐步传入音频数据。
Result() -> str

作用：获取当前音频流的非最终识别结果（JSON 格式字符串）。
返回值：包含 text 字段的 JSON，如 {"text": "hello world"}。
使用场景：在音频输入过程中，随时调用以获取中间结果（可能被后续音频修正）。
FinalResult() -> str

作用：获取当前音频流的最终识别结果（触发端点检测后）。
返回值：同 Result()，但表示语音段结束后的稳定结果。
使用场景：在检测到语音停顿或输入结束时调用，确保结果不再变化。
PartialResult() -> str

作用：获取实时的中间识别结果（未经过语法修正）。
返回值：简化的 JSON，如 {"partial": "hello worl"}。
使用场景：实时字幕等需要即时反馈的场景，结果可能不完整或不准确。
Reset()

作用：重置识别器状态，清空之前的音频上下文。
使用场景：开始处理新音频流时调用，避免旧数据干扰新识别。