医疗信息系统开发实验指导-实验10：使用公有云实现智能化功能

一、实验目的

1、理解公有云API服务的基本概念和调用流程。

2、掌握在Java应用程序中集成腾讯云语音识别SDK的方法。

3、能够通过编程调用云端AI服务，实现本地音频文件的文字转写功能。

4、培养学生将云服务与现有系统结合，实现功能增强的工程实践能力。

二、实验学时

2学时

三、实验类型

综合性

四、实验需求

1、硬件

每⼈配备计算机1台，建议优先使⽤个⼈计算机开展实验。

2、软件

安装IntelliJ IDEA Community。

3、⽹络

本地主机能够访问互联⽹和实验中⼼⽹络。

4、⼯具

⽆。

五、实验任务

1、注册腾讯云账号并开通语音识别服务。

2、在Java项目中调用腾讯云SDK，编写代码实现语音识别功能。

3、结合现有系统功能将语音识别与系统功能相结合。

六、实验内容及步骤

1、注册腾讯云账号并开通服务

步骤1：​ 访问腾讯云官网（）并注册个人账号。完成实名认证（通常可选择微信扫码认证）。

图1 腾讯云官网	图2 语音识别产品页

步骤2：​ 登录腾讯云控制台，在顶部搜索栏中搜索“语音识别”，进入产品页面。

步骤3：​ 点击“立即使用”或“开通服务”按钮，开通语音识别服务。首次开通通常会有免费资源包，如“新客0元体验包”，请留意领取。

图3 腾讯云提供的免费额度

2、调用公有云实现语音识别

步骤1：获取API密钥

（1）进入腾讯云控制台（），访问API密钥管理页面。

（2）创建一个新的密钥或使用现有密钥。请妥善保管SecretId和SecretKey，切勿上传到代码仓库。

图4 获取API密钥

步骤2：创建Java项目并引入SDK

💡腾讯云语音识别支持通过SDK接入和通过API接入两种方式，推荐通过SDK接入，因为语音识别涉及音频传输，通过SDK接入更简单、便捷，可省去鉴权、协议对接过程。

• 通过SDK接入：

• 通过API接入：

（1）在IntelliJ IDEA中创建一个新的Maven项目。

（2）打开 pom.xml文件，添加腾讯云语音识别（ASR）SDK的依赖。需要在腾讯云官方文档中找到最新版本的依赖配置。

    
    
        com.tencentcloudapi
        tencentcloud-sdk-java-asr
        最新版本号
    

（3）点击IDEA的Maven面板的刷新按钮，以下载相关依赖。

步骤3：编写Java代码调用识别服务

（1）在项目中创建一个类，例如 TencentASRDemo。

（2）编写代码，核心流程包括：

• 实例化客户端：​ 使用 SecretId和 SecretKey创建认证对象和客户端对象。
• 构建请求参数：​ 创建识别请求对象，设置必要的参数，如引擎类型（EngineModelType，例如16k_zh表示16k采样率的中文普通话）、音频文件的本地路径或URL。
• 发送请求并获取响应：​ 通过客户端对象发送请求，并接收响应对象。
• 处理响应结果：​ 从响应对象中解析出识别出的文本。

示例代码框架如下（仅供参考，请以官方SDK文档为准）。

import com.tencentcloudapi.common.Credential;
import com.tencentcloudapi.common.profile.ClientProfile;
import com.tencentcloudapi.common.profile.HttpProfile;
import com.tencentcloudapi.asr.v20190614.AsrClient;
import com.tencentcloudapi.asr.v20190614.models.*;

import java.io.File;
import java.nio.file.Files;
import java.util.Base64;
import java.util.Scanner;

public class TencentASRDemo {
    
    // 请替换为您的实际密钥
    private static final String SECRET_ID = "您的SecretId";
    private static final String SECRET_KEY = "您的SecretKey";
    private static final String REGION = "ap-beijing"; // 地域
    
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);
        
        try {
            System.out.println("=== 腾讯云语音识别演示程序 ===");
            System.out.print("请输入音频文件路径: ");
            String audioPath = scanner.nextLine();
            
            // 检查文件是否存在
            File audioFile = new File(audioPath);
            if (!audioFile.exists()) {
                System.out.println("错误：文件不存在！");
                return;
            }
            
            System.out.println("开始语音识别处理...");
            
            // 1. 实例化认证对象
            Credential cred = new Credential(SECRET_ID, SECRET_KEY);

            // 2. 实例化HTTP和客户端配置对象
            HttpProfile httpProfile = new HttpProfile();
            httpProfile.setEndpoint("asr.tencentcloudapi.com");
            ClientProfile clientProfile = new ClientProfile();
            clientProfile.setHttpProfile(httpProfile);

            // 3. 实例化ASR客户端
            AsrClient client = new AsrClient(cred, REGION, clientProfile);

            // 4. 读取音频文件并转换为Base64
            byte[] audioDataBytes = Files.readAllBytes(audioFile.toPath());
            String audioData = Base64.getEncoder().encodeToString(audioDataBytes);
            
            System.out.println("音频文件大小: " + audioDataBytes.length + " 字节");

            // 5. 实例化请求对象，设置参数
            CreateRecTaskRequest req = new CreateRecTaskRequest();
            req.setEngineModelType("16k_zh"); // 16k中文普通话模型
            req.setChannelNum(1L); // 单声道
            req.setResTextFormat(0L); // 识别结果文本格式
            req.setSourceType(1L); // 语音数据源：语音数据
            req.setData(audioData);
            req.setDataLen((long) audioDataBytes.length);
            
            // 可选：设置热词（提高特定词汇识别准确率）
            // req.setHotwordId("您的热词表ID");

            // 6. 发送识别请求
            System.out.println("正在提交识别任务...");
            CreateRecTaskResponse resp = client.CreateRecTask(req);
            String taskId = resp.getData().getTaskId();
            System.out.println("任务创建成功，任务ID: " + taskId);

            // 7. 轮询查询识别结果
            System.out.println("等待识别结果...");
            String recognitionResult = pollRecognitionResult(client, taskId);
            
            // 8. 输出最终结果
            System.out.println("\n=== 语音识别结果 ===");
            System.out.println(recognitionResult);

        } catch (Exception e) {
            System.err.println("处理过程中发生错误:");
            e.printStackTrace();
        } finally {
            scanner.close();
        }
    }
    
    /**
     * 轮询查询识别结果
     * @param client ASR客户端
     * @param taskId 任务ID
     * @return 识别结果文本
     */
    private static String pollRecognitionResult(AsrClient client, String taskId) {
        int maxRetry = 30; // 最大重试次数
        int retryInterval = 2000; // 重试间隔2秒
        
        for (int i = 0; i < maxRetry; i++) {
            try {
                // 等待一段时间再查询
                Thread.sleep(retryInterval);
                
                // 创建查询请求
                DescribeTaskStatusRequest statusReq = new DescribeTaskStatusRequest();
                statusReq.setTaskId(taskId);
                
                // 发送查询请求
                DescribeTaskStatusResponse statusResp = client.DescribeTaskStatus(statusReq);
                TaskStatus data = statusResp.getData();
                int status = data.getStatus().intValue();
                
                System.out.println(&#34;查询进度: &#34; + (i + 1) + &#34;/&#34; + maxRetry + 
                                 &#34;，任务状态: &#34; + getStatusText(status));
                
                // 根据状态码处理
                if (status == 2) { // 成功
                    return data.getResult() != null ? data.getResult() : &#34;识别结果为空&#34;;
                } else if (status == 1) { // 排队中/识别中
                    continue; // 继续轮询
                } else if (status == 3) { // 失败
                    return &#34;识别失败，错误信息: &#34; + data.getErrorMsg();
                }
                
            } catch (Exception e) {
                System.err.println(&#34;查询任务状态时发生错误: &#34; + e.getMessage());
                return &#34;查询失败: &#34; + e.getMessage();
            }
        }
        
        return &#34;识别超时，请稍后手动查询任务ID: &#34; + taskId;
    }
    
    /**
     * 获取状态码对应的文本描述
     * @param status 状态码
     * @return 状态描述
     */
    private static String getStatusText(int status) {
        switch (status) {
            case 0: return &#34;等待处理&#34;;
            case 1: return &#34;识别中&#34;;
            case 2: return &#34;识别完成&#34;;
            case 3: return &#34;识别失败&#34;;
            default: return &#34;未知状态(&#34; + status + &#34;)&#34;;
        }
    }
}

3、结合系统实现智能增强

步骤1：功能设计

结合系统功能实现基于语音识别的智能增强，例如记录患者主诉信息的时候，支持通过录音的方式记录主诉，然后调用腾讯云人工智能-语音识别接口实现内容识别辅助记录，并可通过录音文件识别请求中的【情绪识别能力】（）获取患者提供主诉时候的情绪能量值。

步骤2：编码实现

（1）引入腾讯云官方SDK依赖。建立项目基础结构，配置API认证信息。创建配置文件管理各类参数，确保系统的灵活性和安全性。

（2）重点实现语音识别服务的调用封装，包括音频文件读取、Base64编码、API请求构建等功能。需要正确处理各种音频格式，设置合适的超时机制和重试策略，保证服务的稳定性。

（3）开发业务处理逻辑，包括语音内容识别、情绪分析结果解析等。需要设计合理的数据结构来存储和传递分析结果，确保信息的完整性和准确性。

（4）实现友好的命令行交互界面，提供清晰的进度反馈和状态提示。优化结果展示格式，使主诉记录和情绪分析结果易于阅读和理解。同时需要完善错误处理和异常提示机制。

步骤3：测试优化

验证每个功能模块的正确性。重点测试音频处理、API调用、情绪分析等核心功能。确保系统在各种情况下都能正常工作，特别是边界情况和异常场景。

七、实验考核

1、本课程实验考核方案

本课程实验考核采用【实验智能评】【实验随堂查】方式开展，根据不同的实验内容选择不同的考核方式。

【实验智能评】：实验完成后提交GitLab，通过自动化代码评审工具进行评分。

【实验随堂查】：在实验课上通过现场演示的方式向实验指导教师进行汇报，并完成现场问答交流。

2、本实验考核要求

本实验考核方式：实验智能评

实验10-12作为本课程第3次实验考核。

考核要求：

（1）学生通过GitLab提交实验成果：{此部分说明需要提交的内容}。

（2）由GitLab根据成果和交流情况综合评分。