@i&dZddlZddlZddlmZddlmZmZddlZ ddl m Z ddl m Z eejj ddz Zd efd Zd ed ed efd Z ddedededed ef dZdededede ded eeeeeff dZde d efdZy)u说话人匹配服务。 职责概览： - 对单段 PCM 音频执行 speaker 匹配/注册并返回 rl 与相似度。 - 提供 AudioSegment 到 PCM 原始字节的转换方法，供流水线调用。 N)Path)OptionalTuple) AudioSegment)SpeakerRegistryzgzzm_config.jsonreturnc tjdd5}tj|cdddS#1swYyxYw#t$ricYSwxYw)Nrzutf-8)encoding) _config_pathopenjsonload Exception)_fs %/app/gzzm/services/speaker_matcher.py_load_gzzm_configrsF   sW  599R=6 5 5  s*A8 AAAA AAvaluedefaultct|tr|St|tr(|jj }|dvry|dvryt|t t fr t|S|S)N)1trueyesonT)0falsenooffF) isinstanceboolstrstriplowerintfloat)rrvs r_to_boolr(sd% % KKM   ! * * + +%#u&E{ N pcm_bytes sample_ratechannelstarget_secondsc |s|S|dks|dkr|Stdt|}tt|t|z}t j |tj }|j|z|z}|dkr|S||jk7r|d|}||z}||kr|jS|jd|jtjjddz }tdttt|d z} |j| z} | d kr|jS|d| | z} | j| | } t jt jt j| dd z} tt j| d }tt j| d }td|dtd||z zz}| |k\jtj}td|| z}|| k\r|jSt j dgt j"|f}t j dgt j"| f}||d|d| z t|z }||d|d| z t|z }t j$|t|dz dd}d|zd|zz}tt j&|}|| z}t)|||z}||z}||z}||kr|jS|||jS)ub从完整 PCM 中选择信息量更高的窗口（优先配置时长，不足则返回全段）。rg?)dtypeN)axisg@g{Gz?rg-q=_g-C6?g?gg:0yE>g?gffffff?g333333?)maxr&r%roundnp frombufferint16sizetobytesreshapeastypefloat32meansqrtsquare percentile concatenatecumsumclipargmaxmin)r*r+r,r-target_samplespcmusable total_samplesmono frame_samples frame_counttrimmedframesrms noise_floorpeakactivity_thresholdactivity window_frames c_activityc_rms active_ratiomean_rms norm_energyscore best_frame start_sample end_sample start_i16end_i16s r#_select_most_informative_pcm_windowrb+s  a8q=eN34N~k0BBCDN --  2Chh("h .F { '6lh&M&{{} ;;r8 $ + +BJJ 7 < ?@AM))},KQ{{}0[=01G __[- 8F ''"''"))F+!4u< =C c2./K sB' (DT;s3{@R7S1S#ST))11"**=H>]:;M #{{}# ((; <=J NNSE299S>2 3E}~.Om^1LLPUVcPddLmn%o ~(>>% BVVH''(St_4c3?K < C+$5 6ERYYu%&J -L]L>$ABJx'I8#G){{} y ! ) ) ++r)registrydevicec|syt} t|jdd} t|jdd}t |jddd} t |j jdd } | d k(r|} d}n|} |rt|||| } n|} |j| |||d } t| ts t| d fSt| d kDr| d nd } t| d kDr| d nd }| dvry | t|nd }t| |fS#t$rd}YwxYw#t$rd}YwxYw#t$rd } YwxYw#t$rYyt$rYywxYw#t$rd }YhwxYw)u|为单段 PCM 音频识别或注册说话人 ID。 参数: - pcm_bytes (bytes): 原始 PCM 音频数据（假定 16-bit、每样本 2 字节、交错声道）。 - sample_rate (int): 采样率（Hz）。 - channels (int): 声道数。 - registry (SpeakerRegistry): 用于匹配/注册说话人的注册器实例。 - device (str): 设备标识（传递给 registry）。 返回: - Tuple[Optional[str], Optional[float]]: (speaker_id, similarity) - speaker_id: 匹配或新注册的说话人 ID（字符串），无法匹配或出错时为 None。 - similarity: 相似度分数（浮点），如果不可用则为 None。 实现细节: - 若 `pcm_bytes` 为空，函数会直接返回 (None, None)。 - 时长通过 `len(pcm_bytes) / (sample_rate * channels * 2)` 估算（假定每样本 2 字节）。 - 可通过配置 `speaker_use_informative_window` 开关控制是否启用“信息量窗口挑选”。 - 当输入长于配置窗口 `speaker_match_window_seconds` 时，会先自动挑选信息量更高的窗口（尽量避开静音）再做匹配。 - 当输入短于配置窗口时，会使用实际可用的整段音频做匹配（不会因“最短阈值”跳过）。 - 调用 `registry.register_or_match(...)` 获取匹配结果；若抛出 ImportError 或其他异常，函数会捕获并返回 (None, None)。 )NNspeaker_match_window_seconds@ speaker_initial_baseline_secondsg$@speaker_use_informative_windowTcountr)r*r+r,r-)r+r,rd return_simNr1)Nr0)rr&getrr(r%statsrbregister_or_match ImportErrorr tupler"len)r*r+r,rcrdcfgdefault_match_secondsinitial_baseline_secondsuse_informative reg_countr- pcm_for_matchmatchedcand_idcand_simsims ridentify_speaker_id_from_pcmr|ms:   C$ %cgg.Lc&R S(#(1SUY)Z#[ sww'GNPTUO(,,Wa89 A~1.;#)  "  ,, # -  gu %7|T!!L1,gaj$G \A-wqz4H*!)!5eHo4 w< q $ #$ (#' (  4   s^D,D>#)E-E!E:, D;:D;> E  E  EE! E7,E76E7: FFsegmentcptj}|j|d|jS)u$将 pydub `AudioSegment` 导出为原始 PCM 字节序列（raw 格式）。 返回的 bytes 为原始 PCM 数据；调用者可通过 `segment.frame_rate`、`segment.channels`、 `segment.sample_width` 获取对应的音频元信息（采样率、声道数、样本宽度）。 raw)format)ioBytesIOexportgetvalue)r}bufs raudio_segment_to_pcm_bytesrs+ **,C NN3uN% <<>r))rg)__doc__rrpathlibrtypingrrnumpyr7pydubrutils.speaker_idr__file__resolveparentsr dictrobjectr!r(bytesr%r&rbr"r|rr)rrs  ".H~%%'//25GG 4 F T d ( ?,?,?,?, ?,  ?,D\\\\ \  \  8C=(5/ )* \~ r)