tools/transcribe_audio.py

"""
tools/transcribe_audio.py —— 工具⑤：把录音转成文字（语音识别）

有的题目附带一段录音（比如"语音备忘录""课堂录音"），问的内容藏在话里。
这个工具把音频文件交给专门的语音识别模型（whisper-1），让它"听写"成文字，
然后大模型就能从文字里找答案了。
"""

import os

from langchain_core.tools import tool

# 复用 config.py 里配置好的服务地址、密钥，以及语音识别专用模型的名字。
from config import LLM_BASE_URL, LLM_API_KEY, ASR_MODEL_ID


@tool
def transcribe_audio(file_path: str) -> str:
    """Transcribe a local audio file (.mp3/.wav/.m4a/...) to text. Use it whenever a
    question references a voice memo or recording. The transcript is returned as plain
    text."""
    # 先确认音频文件存在。
    if not os.path.exists(file_path):
        return f"File not found: {file_path}"
    try:
        from openai import OpenAI

        # 创建一个连接到我们模型服务的客户端。
        client = OpenAI(base_url=LLM_BASE_URL, api_key=LLM_API_KEY)
        # 以"二进制"方式打开音频文件（"rb" = read binary），把它上传给语音识别模型。
        with open(file_path, "rb") as f:
            result = client.audio.transcriptions.create(model=ASR_MODEL_ID, file=f)
        # 取出识别出的文字。getattr(...) 是稳妥写法：能取到 text 就用 text，取不到就退而求其次。
        return getattr(result, "text", None) or str(result)
    except Exception as e:
        return f"Error transcribing audio '{file_path}': {e}"