AudioScribe/docs/transcribe_legacy_flow.md

transcribe_legacy.py 流程说明

概述

该脚本实现音频文件的异步转写流程：上传音频 → 提交转写任务 → 轮询结果 → 保存输出。

流程图

flowchart TD
    A[启动] --> B[加载 .env 环境变量]
    B --> C[初始化 MinIO 客户端]
    C --> D{命令行是否\n传入音频文件?}
    D -- 是 --> E[使用传入的文件路径]
    D -- 否 --> F[使用默认文件名]
    E --> G[生成唯一对象名]
    F --> G
    G --> H[上传音频文件至 MinIO]
    H --> I[生成 1 小时有效期的预签名 URL]
    I --> J[构造 submit 请求体\n（模型/标点/说话人识别等）]
    J --> K[调用 ByteDance 提交接口]
    K --> L{提交状态码\n== 20000000?}
    L -- 否 --> M[打印失败信息，结束]
    L -- 是 --> N[进入轮询循环]
    N --> O[调用 query 接口查询结果]
    O --> P{状态码判断}
    P -- "20000000\n（完成）" --> Q[解析 JSON 结果]
    Q --> R[保存 .json 文件]
    R --> S[构建 Markdown 转写报告]
    S --> T[保存 .md 文件]
    T --> U[打印完成信息]
    P -- "20000001 / 20000002\n（处理中）" --> V[等待 5 秒]
    V --> O
    P -- 其他 --> W[打印失败信息]
    U --> X[结束]
    M --> X
    W --> X

关键步骤详解

1. 环境初始化

• 从 .env 加载 API 凭证（App Key、Access Key、Resource ID）
• 加载 MinIO 对象存储的连接信息

2. 音频上传

• 将本地音频文件上传至 MinIO 的 audio/ 前缀路径
• 生成带 1 小时过期时间的预签名下载 URL，供远端 API 访问

3. 提交转写任务

• 向 ByteDance 大模型语音识别接口发送 POST 请求
• 请求参数开启：ITN（逆文本归一化）、标点恢复、去冗余、说话人分离、分句输出

4. 轮询结果

• 每隔 5 秒查询一次任务状态
• 20000001 / 20000002 = 处理中，继续等待
• 20000000 = 成功，退出循环

5. 保存输出

文件	内容
{音频名}_转写结果.json	原始 API 返回的完整 JSON 数据
{音频名}_转写结果.md	格式化的 Markdown 报告（含时间线、说话人标注）

外部依赖

graph LR
    A[transcribe_legacy.py] --> B[ByteDance 语音识别 API]
    A --> C[MinIO 对象存储]
    B -->|预签名 URL 下载音频| C