liegu

1. 01 切分与降噪 判断有效人声区段，剔除静音与纯噪声，为人声增强与后续对齐确立边界。 Silero VAD
   GTCRN
2. 02 转写与对齐 面向中文课堂的远场转写，输出词级时间戳，为语速、停顿与问答间隔提供统一基准。 Qwen3-ASR
   ForcedAligner
3. 03 分离说话人与情绪 区分教师与学生，在句子粒度上标注语音情绪与声音事件，支持重叠语音场景。 pyannote
   emotion2vec+ · PANNs
4. 04 结构化输出 多路结果合并为句级与课级分析文档，缺失项显式标记，保证下游消费时口径清晰。 FastAPI · Kafka
   MinIO

• 课堂语音分析流水线 已上线

  一节课的原始录音进来，出去的是教学分析能直接消费的结构化结果：词级时间戳、 师生角色分离、七类语音情绪、笑声与齐读事件、语速与响亮度， 装配成句级与课级两层的分析文档。

  Qwen3-ASR pyannote emotion2vec+ BiLSTM-CRF Kafka
• 语音防霸凌 已上线

  校园实时语音风险识别。流式转写之后，情绪标签与关键词做联合判定来压住误报， 命中片段切片存证再推告警；任务持久化做到进程重启不丢事件。

  单句转写 24.7 ms 约 90× 实时 端到端 80–150 ms
• 课堂声音事件检测 已上线

  识别笑声与齐读，为教学互动节奏提供旁证。滑窗推理、独立 sidecar 部署， 与文本链路解耦，任一环节故障不影响另一条路径。

  PANNs CNN14 3 秒窗 / 1 秒步长 独立 sidecar
• 课堂文本分类 研发中

  问句、赞美、点评正负、通顺度四个任务共享一个 RoBERTa 主干， 配合主动学习把人工标注的预算集中在模型真正拿不准的样本上。

  RoBERTa 多任务 Label Studio 主动学习
• 会议录音工作台 自用

  会议录音落到本地受控库，生成可回放的逐字稿与纪要。 内容寻址归档、分阶段可重试的任务队列，逐字稿与纪要都带版本。

  FastAPI React SQLite

语音算法、工程实践，或任何想聊的话题，欢迎来信。