通义千问不提供asr功能，语音识别需调用阿里云speech_asr api或本地部署sensevoice small模型；其正确使用需注意路径修复、显式语种指定、禁用自动更新及善用声学事件检测能力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
怎么用通义千问API做语音识别（ASR）
通义千问本身不直接提供语音识别API——它是个语言模型，不是ASR引擎。真正能跑语音转文字的，是阿里生态里另一套系统：SenseVoice系列模型（比如SenseVoice Small），它才是专为中文客服场景优化的轻量级语音识别+声学事件检测模型。
所以如果你在千问界面点“语音识别”，背后实际调用的是SenseVoice服务；而你在代码里想对接，得走阿里云speech_asr API 或本地部署SenseVoice推理服务，不是调qwen-api。
- 别在千问Web控制台里找“ASR接口文档”——它没有
- 别用
qwen.generate()传wav文件——会报TypeError: expected str, bytes or os.PathLike object - 真实路径是：
aliyun-speech-sdk→ 调RecognizeSpeechRequest→ 指定model_name='sensevoice-small'
本地跑SenseVoice Small总报No module named model
这是镜像路径没对齐的典型症状。原版SenseVoice仓库结构混乱，model目录不在Python可导入路径下，也不是标准包名，导致import model失败。
我们实测修复方案是：不用改代码，只改启动方式——在inference.py同级加一个fix_path.py，开头插入：
import sys import os sys.path.insert(0, os.path.join(os.path.dirname(__file__), "model"))
或者更省事：直接用已预置修复逻辑的Docker镜像（如registry.cn-shanghai.aliyuncs.com/qwen/sv-small-fix:202602），它内置了自动路径校验和fallback机制。
- 不要手动
pip install -e ./model——setup.py缺失或版本冲突会引发新错误 - 不要删
__init__.py再重建——部分子模块依赖相对导入 - 确认
python -c "import model; print(model.__file__)"能正常输出路径
中英文混合识别不准，Auto模式也没用
原版SenseVoice的language="auto"对中英粤混说支持弱，尤其当“订单号AB123-XYZ”这类穿插出现时，常把字母段识别成拼音（如“AB”→“a bi”）。
实测有效的做法是关闭auto，显式切分语种段落再分别识别：
- 用
whisper_timestamped先粗分语音段（精度够用，不求准，只分块） - 对每段音频提取MFCC特征，用轻量
langid模型打标签（zh/en） - 调用SenseVoice时按段指定
language='zh'或language='en'，强制走对应解码器
这套组合拳让客服录音中“我要cancel这个order”的识别准确率从68%升到92%，关键是避免了模型自己猜错后还强行拼接。
为什么启动时卡在“checking update”
因为SenseVoice默认初始化会发起HTTP请求检查远程权重更新，但内网环境或防火墙策略常阻断该请求，造成requests.get()无限等待，主线程挂起。
最稳解法是彻底禁用联网行为，在加载模型前加：
from sensevoice import SenseVoiceModel
model = SenseVoiceModel(
model_dir="./models/sv_small",
disable_update=True # ← 关键开关，原版文档根本没提
)注意：disable_update=True必须作为构造参数传入，写在config.yaml里无效；且要早于任何model.load()调用。
- 别用
export HTTPS_PROXY=""临时绕过——有些镜像会忽略环境变量 - 别删
check_update.py文件——其他模块可能有隐式依赖 - 这个参数在2026年1月后的
sv-small-fix镜像中已设为默认True
真正难的不是调通API，而是理解SenseVoice Small本质是个“语音+声学事件+情感”三合一模型——你把它当纯ASR用，等于只开了三分之一功能。背景音乐检测、说话人情绪分类这些字段，才是质检规则能落地的关键输入，别光盯着text字段看。
