- 新增 语音识别模块，集成 OpenAI 开源的 Whisper 和 Vosk

- 修复 质量评估模型的 Bug
- 修复 OCR 模块 recognizeAndDraw 方法的 Bug
- 修复 车牌识别在未检测到车牌时的报错问题
- 优化 OCR 表格识别功能，新增导出方式

README.md

@@ -205,7 +205,7 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
         <img src="https://cdn.jsdelivr.net/gh/geekwenjie/SmartJavaAI-Site/images/ocr/plate_recognized.jpg" width = "500px"/>
         </div>
       </td>
-<td>
+      <td>
         <div align="center">
         <img src="https://cdn.jsdelivr.net/gh/geekwenjie/SmartJavaAI-Site/images/ocr/plate_recognized2.jpg" width = "500px"/>
         </div>
@@ -224,6 +224,19 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
         </div>
       </td>
     </tr>
+    <tr>
+      <td>
+        <div align="left">
+          <p>语音识别</p>
+          - 支持100种语言
+        </div>
+      </td>     
+      <td>
+        <div align="center">
+        <img src="https://cdn.jsdelivr.net/gh/geekwenjie/SmartJavaAI-Site/images/speech/asr.png" width = "500px"/>
+        </div>
+      </td>
+    </tr>
   </table>
 </div>
 
@@ -273,6 +286,9 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
   - 支持中文车牌识别：单层/双层检测，颜色识别，支持12种中文车牌
 - **机器翻译**
   - 集成NLLB-200模型：支持200+语言互相翻译
+- **语音识别**
+  - 集成openai的whisper模型：支持100种语言
+  - 集成vosk语音识别
 
 
 ## 🌟 AI集成方式对比
@@ -291,13 +307,15 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
 
 ## 🛠️包含组件
 
-| 模块                          | 介绍                        |
+| 模块                          | 介绍                           |
-|-----------------------------|---------------------------|
+|-----------------------------|------------------------------|
-| smartjavaai-common          | 基础通用模块，封装了公共功能，供各算法模块共享使用 |
+| smartjavaai-common          | 基础通用模块，封装了公共功能，供各算法模块共享使用    |
-| smartjavaai-face            | 人脸功能模块                    |
+| smartjavaai-bom             | 依赖管理模块                       |
-| smartjavaai-objectdetection | 目标检测模块                    |
+| smartjavaai-face            | 人脸功能模块                       |
-| smartjavaai-ocr             | OCR文字识别模块                 |
+| smartjavaai-objectdetection | 目标检测模块                       |
-| smartjavaai-translate       | 机器翻译模块                    |
+| smartjavaai-ocr             | OCR文字识别模块                    |
+| smartjavaai-translate       | 机器翻译模块                       |
+| smartjavaai-speech          | 语音功能模块，包含 ASR 和 TTS |
 
 可以根据需求对每个模块单独引入，也可以通过引入`smartjavaai-all`方式引入所有模块。
 
@@ -325,7 +343,7 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
 <dependency>
     <groupId>cn.smartjavaai</groupId>
     <artifactId>smartjavaai-all</artifactId>
-    <version>1.0.22</version>
+    <version>1.0.23</version>
 </dependency>
 ```
 ### 3、完整示例代码
@@ -540,6 +558,18 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
 | ------------------------------ | ------------------------ |-----------------------------------------------|
 | NLLB-200                       | Meta AI 开发的一个先进的单一多语言机器翻译模型 | [Github](https://github.com/facebookresearch/fairseq/tree/nllb) |
 
+---
+
+#### 语音识别模型
+
+这里仅介绍模型的开源项目，每个开源项目通常包含多个具体模型，本文不逐一列出。
+
+| 模型名称    | 模型简介                     | 模型官网                                          |
+|---------| ------------------------ |-----------------------------------------------|
+| Whisper | OpenAI 开源的通用语音识别（ASR）模型，支持多语言转写和翻译，具有较高的识别精度，尤其在嘈杂环境中表现良好，适合离线和批量音频处理。 | [Github](https://github.com/ggml-org/whisper.cpp) |
+| Vosk    | 一个轻量级离线语音识别工具包，支持多种语言和平台（包括移动端与嵌入式设备），可在低资源环境中运行，适合实时语音识别场景。 | [Github](https://github.com/alphacep/vosk-api) |
+
+
 ---
 
 ## 🙏 鸣谢
@@ -559,9 +589,24 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
 
 🚀 **如果这个项目对你有帮助，别忘了点个 Star ⭐！你的支持是我持续优化升级的动力！** ❤️
 
+## 献代码的步骤
+
+1、在Gitee或者Github/Gitcode上fork项目到自己的repo
+2、把fork过去的项目也就是你的项目clone到你的本地
+3、修改代码（记得一定要修改dev分支）
+4、commit后push到自己的库（dev分支）
+5、登录Gitee或Github/Gitcode在你首页可以看到一个 pull request 按钮，点击它，填写一些说明信息，然后提交即可。
+6、等待维护者合并
 
 ## 近期更新日志
 
+## [v1.0.23] - 2025-08-09
+- 新增 语音识别模块，集成 OpenAI 开源的 Whisper 和 Vosk
+- 修复 质量评估模型的 Bug
+- 修复 OCR 模块 recognizeAndDraw 方法的 Bug
+- 修复 车牌识别在未检测到车牌时的报错问题
+- 优化 OCR 表格识别功能，新增导出方式
+
 ## [v1.0.22] - 2025-07-28
 - 新增 Milvus 身份验证支持
 - 集成车牌识别模型，支持车牌检测与识别
@@ -590,21 +635,4 @@ SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的
 - 人脸模块：修复人脸更新后的缓存异常问题
 - 其他：优化部分功能与细节体验
 
-## [v1.0.17] - 2025-06-18
-- 新增机器翻译模块：支持 200+ 种语言之间的相互翻译
-- 人脸识别模块：修复批量删除人脸数据时的异常问题
-- 人脸识别模块：修复人脸检索 Top大于 1 时报异常问题
-
-## [v1.0.16] - 2025-06-09
-- 人脸模块：人脸查询支持 Milvus 和 SQLite
-- 人脸模块：FaceNet人脸模型也支持人脸注册，查询等功能
-- 人脸模块：Seetaface6 自动下载人脸库
-- 人脸模块：Seetaface6解决依赖库重复下载问题
-- 人脸模块：支持手动加载人脸库
-- 人脸模块：人脸识别相关功能支持更多参数
-
-
-## [v1.0.15] - 2025-05-17
-- 新增OCR文字识别模块：支持最新 PP-OCRv5
-- OCR文本识别：支持文字方向检测与自动校正
 

examples/face-example/pom.xml

@@ -12,7 +12,7 @@
         <maven.compiler.source>11</maven.compiler.source>
         <maven.compiler.target>11</maven.compiler.target>
         <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
-        <smartjavaai.version>1.0.22</smartjavaai.version>
+        <smartjavaai.version>1.0.23</smartjavaai.version>
         <!--如果打包运行，需要替换成你的main-->
         <exec.mainClass>smartai.examples.face.facedet.FaceDetDemo</exec.mainClass>
 
@@ -95,16 +95,8 @@
         <dependency>
             <groupId>cn.smartjavaai</groupId>
             <artifactId>smartjavaai-face</artifactId>
-            <version>1.0.22</version>
         </dependency>
 
-        <dependency>
-            <groupId>cn.smartjavaai</groupId>
-            <artifactId>smartjavaai-all</artifactId>
-            <version>1.0.22</version>
-        </dependency>
-
-
 
         <dependency>
             <groupId>ai.djl.pytorch</groupId>

examples/face-example/src/main/java/smartai/examples/face/attribute/FaceAttributeDetDemo.java

@@ -1,5 +1,6 @@
 package smartai.examples.face.attribute;
 
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionInfo;
 import cn.smartjavaai.common.entity.DetectionResponse;
 import cn.smartjavaai.common.entity.R;
@@ -16,6 +17,7 @@ import cn.smartjavaai.face.model.facedect.FaceDetModel;
 import cn.smartjavaai.face.utils.FaceUtils;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
 import javax.imageio.ImageIO;
@@ -33,6 +35,12 @@ import java.util.List;
 @Slf4j
 public class FaceAttributeDetDemo {
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
 
     public FaceAttributeModel getFaceAttributeModel() {
         FaceAttributeConfig config = new FaceAttributeConfig();

examples/face-example/src/main/java/smartai/examples/face/expression/ExpressionRecDemo.java

@@ -2,6 +2,7 @@ package smartai.examples.face.expression;
 
 import ai.djl.modality.cv.Image;
 import ai.djl.modality.cv.ImageFactory;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionInfo;
 import cn.smartjavaai.common.entity.DetectionRectangle;
 import cn.smartjavaai.common.entity.DetectionResponse;
@@ -26,6 +27,7 @@ import cn.smartjavaai.face.model.liveness.LivenessDetModel;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
 import nu.pattern.OpenCV;
+import org.junit.BeforeClass;
 import org.junit.Test;
 import org.opencv.core.Mat;
 import org.opencv.core.Size;
@@ -54,6 +56,12 @@ public class ExpressionRecDemo {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
     /**
      * 获取人脸检测模型
      * @return

examples/face-example/src/main/java/smartai/examples/face/facedet/FaceDetDemo.java

@@ -2,6 +2,7 @@ package smartai.examples.face.facedet;
 
 import ai.djl.modality.cv.Image;
 import ai.djl.modality.cv.ImageFactory;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionInfo;
 import cn.smartjavaai.common.entity.DetectionRectangle;
 import cn.smartjavaai.common.entity.DetectionResponse;
@@ -19,6 +20,7 @@ import cn.smartjavaai.face.model.liveness.LivenessDetModel;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
 import nu.pattern.OpenCV;
+import org.junit.BeforeClass;
 import org.junit.Test;
 import org.opencv.core.Mat;
 import org.opencv.core.Size;
@@ -32,6 +34,7 @@ import javax.swing.*;
 import java.awt.*;
 import java.awt.image.BufferedImage;
 import java.io.File;
+import java.io.IOException;
 import java.nio.file.Paths;
 
 /**
@@ -47,6 +50,12 @@ public class FaceDetDemo {
 
     public static String imgPath = "src/main/resources/iu_1.jpg";
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
 
     /**
      * 获取人脸检测模型
@@ -55,7 +64,10 @@ public class FaceDetDemo {
      */
     public FaceDetModel getFaceDetModel(){
         FaceDetConfig config = new FaceDetConfig();
+        //高精度模型，速度慢
         config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/xxx/Documents/develop/model/retinaface.pt");
         config.setConfidenceThreshold(FaceDetectConstant.DEFAULT_CONFIDENCE_THRESHOLD);//只返回相似度大于该值的人脸
         config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);//用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
         return FaceDetModelFactory.getInstance().getModel(config);
@@ -70,7 +82,7 @@ public class FaceDetDemo {
         FaceDetConfig config = new FaceDetConfig();
         //指定模型
         config.setModelEnum(FaceDetModelEnum.SEETA_FACE6_MODEL);
-        //指定模型路径：请根据实际情况替换为本地模型文件的绝对路径（模型下载地址请查看文档）
+        //指定模型路径：请根据实际情况替换为本地模型文件的绝对路径（下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234）
         config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
         return FaceDetModelFactory.getInstance().getModel(config);
     }
@@ -153,28 +165,6 @@ public class FaceDetDemo {
 
     }
 
-    /**
-     * 人脸检测（离线模型）
-     */
-    @Test
-    public void testDetectFaceOffine(){
-        try {
-            FaceDetConfig config = new FaceDetConfig();
-            config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸模型
-            //模型路径,不同模型下载路径请参看文档
-            config.setModelPath("/Users/xxx/Documents/develop/face_model/retinaface.pt");
-            FaceDetModel faceModel = FaceDetModelFactory.getInstance().getModel(config);
-            R<DetectionResponse> detectedResult = faceModel.detect(imgPath);
-            if(detectedResult.isSuccess()){
-                log.info("人脸检测结果：{}", JSONObject.toJSONString(detectedResult.getData()));
-            }else{
-                log.info("人脸检测失败：{}", detectedResult.getMessage());
-            }
-        } catch (Exception e) {
-            e.printStackTrace();
-        }
-    }
-
     /**
      * 人脸检测（GPU模式）
      */
@@ -182,7 +172,10 @@ public class FaceDetDemo {
     public void testDetectFaceGPU(){
         try {
             FaceDetConfig config = new FaceDetConfig();
-            config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸模型
+            //高精度模型，速度慢
+            config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
+            //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+            config.setModelPath("/Users/xxx/Documents/develop/model/retinaface.pt");
             config.setDevice(DeviceEnum.GPU);
             FaceDetModel faceModel = FaceDetModelFactory.getInstance().getModel(config);
             R<DetectionResponse> detectedResult = faceModel.detect(imgPath);
@@ -223,7 +216,7 @@ public class FaceDetDemo {
     @Test
     public void testDetectCamera(){
         try {
-            FaceDetModel faceModel = getFaceDetModel();
+            FaceDetModel faceModel = getSeetaface6DetModel();
             OpenCV.loadShared();
             VideoCapture capture = new VideoCapture(0);
             if (!capture.isOpened()) {

examples/face-example/src/main/java/smartai/examples/face/facerec/FaceRecDemo.java

@@ -1,5 +1,6 @@
 package smartai.examples.face.facerec;
 
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionResponse;
 import cn.smartjavaai.common.entity.R;
 import cn.smartjavaai.common.entity.face.FaceSearchResult;
@@ -24,8 +25,10 @@ import cn.smartjavaai.face.vector.entity.FaceVector;
 import com.alibaba.fastjson.JSONArray;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
+import java.io.IOException;
 import java.util.List;
 
 /**
@@ -42,14 +45,25 @@ public class FaceRecDemo {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
 
     /**
-     * 获取人脸检测模型
+     * 获取人脸检测模型（高精度，速度慢）
+     * 追求准确度可以使用
+     * 也可以使用其他模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
      * @return
      */
-    public FaceDetModel getFaceDetModel(){
+    public FaceDetModel getHighAccuracyDetModel(){
         FaceDetConfig config = new FaceDetConfig();
+        //高精度模型，速度慢
         config.setModelEnum(FaceDetModelEnum.RETINA_FACE);//人脸检测模型
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/xxx/Documents/develop/model/retinaface.pt");
         config.setConfidenceThreshold(FaceDetectConstant.DEFAULT_CONFIDENCE_THRESHOLD);//只返回相似度大于该值的人脸
         config.setNmsThresh(FaceDetectConstant.NMS_THRESHOLD);//用于去除重复的人脸框，当两个框的重叠度超过该值时，只保留一个
         config.setDevice(device);
@@ -57,21 +71,62 @@ public class FaceRecDemo {
     }
 
     /**
-     * 获取人脸识别模型
+     * 获取人脸检测模型（高速模型，精度一般）
+     * 追求速度可以使用
+     * 也可以使用其他模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
      * @return
      */
-    public FaceRecModel getFaceRecModel(){
+    public FaceDetModel getHighSpeedDetModel(){
+        FaceDetConfig config = new FaceDetConfig();
+        //高速模型，速度快，精度一般
+        config.setModelEnum(FaceDetModelEnum.SEETA_FACE6_MODEL);
+        //下载模型并替换本地路径，下载地址：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/xxx/Documents/develop/model/sf3.0_models");
+        config.setDevice(device);
+        return FaceDetModelFactory.getInstance().getModel(config);
+    }
+
+    /**
+     * 获取人脸识别模型（高精度，速度慢）
+     * 追求准确度可以使用
+     * 也可以使用其他模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+     * @return
+     */
+    public FaceRecModel getHighAccuracyFaceRecModel(){
         FaceRecConfig config = new FaceRecConfig();
-        config.setModelEnum(FaceRecModelEnum.FACENET_MODEL);
+        //高精度模型，速度慢
-//        config.setModelPath("/Users/xxx/Documents/develop/model/elasticface.pt");
+        config.setModelEnum(FaceRecModelEnum.ELASTIC_FACE_MODEL);
-//        config.setModelPath("/Users/xxx/Documents/develop/model/InsightFace/model_mobilefacenet.pt");
+        //模型路径，请下载模型并替换为本地路径：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/xxx/Documents/develop/model/elasticface.pt");
         //裁剪人脸：如果图片已经是裁剪过的，则请将此参数设置为false
         config.setCropFace(true);
         //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
         config.setAlign(true);
         config.setDevice(device);
         //指定人脸检测模型
-        config.setDetectModel(getFaceDetModel());
+        config.setDetectModel(getHighAccuracyDetModel());
+        return FaceRecModelFactory.getInstance().getModel(config);
+    }
+
+    /**
+     * 获取人脸识别模型（高速模型，精度一般）
+     * 追求速度可以使用
+     * 也可以使用其他模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+     * @return
+     */
+    public FaceRecModel getHighSpeedFaceRecModel(){
+        FaceRecConfig config = new FaceRecConfig();
+        //高精度模型，速度慢
+        config.setModelEnum(FaceRecModelEnum.SEETA_FACE6_MODEL);
+        //模型路径，请下载模型并替换为本地路径：https://pan.baidu.com/s/10l22x5fRz_gwLr8EAHa1Jg?pwd=1234 提取码: 1234
+        config.setModelPath("/Users/xxx/Documents/develop/model/sf3.0_models");
+        //裁剪人脸：如果图片已经是裁剪过的，则请将此参数设置为false
+        config.setCropFace(true);
+        //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
+        config.setAlign(false);
+        config.setDevice(device);
+        //指定人脸检测模型
+        config.setDetectModel(getHighSpeedDetModel());
         return FaceRecModelFactory.getInstance().getModel(config);
     }
 
@@ -81,14 +136,15 @@ public class FaceRecDemo {
      */
     public FaceRecModel getFaceRecModelWithDbConfig(){
         FaceRecConfig config = new FaceRecConfig();
+        //高精度模型，速度慢,追求速度请更换高速模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
         config.setModelEnum(FaceRecModelEnum.ELASTIC_FACE_MODEL);//人脸检测模型
         config.setModelPath("/Users/xxx/Documents/develop/model/elasticface.pt");
         //裁剪人脸：如果图片已经是裁剪过的，则请将此参数设置为false
         config.setCropFace(true);
         //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
         config.setAlign(true);
-        //指定人脸检测模型
+        //指定人脸检测模型，高精度模型，速度慢,追求速度请更换高速模型getHighSpeedDetModel
-        config.setDetectModel(getFaceDetModel());
+        config.setDetectModel(getHighAccuracyDetModel());
         config.setDevice(device);
 
         //初始化向量数据库：Milvus数据库配置
@@ -112,13 +168,15 @@ public class FaceRecDemo {
      */
     public FaceRecModel getFaceRecModelWithSQLiteConfig(){
         FaceRecConfig config = new FaceRecConfig();
-        config.setModelEnum(FaceRecModelEnum.FACENET_MODEL);//人脸检测模型
+        //高精度模型，速度慢, 追求速度请更换高速模型，具体其他模型参数可以查看文档：http://doc.smartjavaai.cn/face.html
+        config.setModelEnum(FaceRecModelEnum.ELASTIC_FACE_MODEL);//人脸检测模型
+        config.setModelPath("/Users/xxx/Documents/develop/model/elasticface.pt");
         //裁剪人脸：如果图片已经是裁剪过的，则请将此参数设置为false
         config.setCropFace(true);
         //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
         config.setAlign(true);
-        //指定人脸检测模型
+        //指定人脸检测模型，高精度模型，速度慢,追求速度请更换高速模型getHighSpeedDetModel
-        config.setDetectModel(getFaceDetModel());
+        config.setDetectModel(getHighAccuracyDetModel());
         config.setDevice(device);
 
         //初始化SQLite数据库
@@ -138,7 +196,8 @@ public class FaceRecDemo {
     @Test
     public void testExtractFeatures(){
         try {
-            FaceRecModel faceRecModel = getFaceRecModel();
+            //高精度模型，速度慢, 追求速度请更换高速模型: getHighSpeedFaceRecModel
+            FaceRecModel faceRecModel = getHighAccuracyFaceRecModel();
             //提取图片中所有人脸特征
             R<DetectionResponse> faceResult  = faceRecModel.extractFeatures("src/main/resources/iu_1.jpg");
             if(faceResult.isSuccess()){
@@ -162,7 +221,8 @@ public class FaceRecDemo {
     @Test
     public void featureComparison(){
         try {
-            FaceRecModel faceRecModel = getFaceRecModel();
+            //高精度模型，速度慢, 追求速度请更换高速模型: getHighSpeedFaceRecModel
+            FaceRecModel faceRecModel = getHighAccuracyFaceRecModel();
             //基于图像直接比对人脸特征
             R<Float> similarResult = faceRecModel.featureComparison("src/main/resources/iu_1.jpg","src/main/resources/iu_2.jpg");
             if(similarResult.isSuccess()){
@@ -188,7 +248,8 @@ public class FaceRecDemo {
     @Test
     public void featureComparison2(){
         try {
-            FaceRecModel faceRecModel = getFaceRecModel();
+            //高精度模型，速度慢, 追求速度请更换高速模型: getHighSpeedFaceRecModel
+            FaceRecModel faceRecModel = getHighAccuracyFaceRecModel();
             //特征提取（提取分数最高人脸特征）,适用于单人脸场景
             R<float[]> featureResult1 = faceRecModel.extractTopFaceFeature("src/main/resources/iu_1.jpg");
             if(featureResult1.isSuccess()){
@@ -226,6 +287,7 @@ public class FaceRecDemo {
     @Test
     public void searchFace(){
         try {
+            //高精度模型，速度慢, 追求速度请更换高速模型
             FaceRecModel faceRecModel = getFaceRecModelWithDbConfig();
             //等待加载人脸库结束
             while (!faceRecModel.isLoadFaceCompleted()){
@@ -303,6 +365,7 @@ public class FaceRecDemo {
     @Test
     public void searchFace2(){
         try {
+            //高精度模型，速度慢, 追求速度请更换高速模型
             FaceRecModel faceRecModel = getFaceRecModelWithSQLiteConfig();
             //等待加载人脸库结束
             while (!faceRecModel.isLoadFaceCompleted()){
@@ -419,4 +482,7 @@ public class FaceRecDemo {
 
 
 
+
+
+
 }

examples/face-example/src/main/java/smartai/examples/face/liveness/LivenessDetDemo.java

@@ -3,6 +3,7 @@ package smartai.examples.face.liveness;
 import ai.djl.modality.cv.Image;
 import ai.djl.modality.cv.ImageFactory;
 import cn.hutool.core.lang.UUID;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionInfo;
 import cn.smartjavaai.common.entity.DetectionRectangle;
 import cn.smartjavaai.common.entity.DetectionResponse;
@@ -32,6 +33,7 @@ import nu.pattern.OpenCV;
 import org.bytedeco.javacv.FFmpegFrameGrabber;
 import org.bytedeco.javacv.Frame;
 import org.bytedeco.javacv.Java2DFrameUtils;
+import org.junit.BeforeClass;
 import org.junit.Test;
 import org.opencv.core.Mat;
 import org.opencv.core.Size;
@@ -61,6 +63,12 @@ public class LivenessDetDemo {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
 
 
     /**

examples/face-example/src/main/java/smartai/examples/face/quality/FaceQualityDetDemo.java

@@ -1,5 +1,6 @@
 package smartai.examples.face.quality;
 
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionInfo;
 import cn.smartjavaai.common.entity.DetectionResponse;
 import cn.smartjavaai.common.entity.R;
@@ -23,11 +24,13 @@ import cn.smartjavaai.face.model.quality.FaceQualityModel;
 import cn.smartjavaai.face.utils.FaceUtils;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
 import javax.imageio.ImageIO;
 import java.awt.image.BufferedImage;
 import java.io.File;
+import java.io.IOException;
 import java.nio.file.Paths;
 
 /**
@@ -41,6 +44,12 @@ public class FaceQualityDetDemo {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
 
 
 

examples/objectdetection-example/pom.xml

@@ -12,7 +12,7 @@
         <maven.compiler.source>11</maven.compiler.source>
         <maven.compiler.target>11</maven.compiler.target>
         <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
-        <smartjavaai.version>1.0.22</smartjavaai.version>
+        <smartjavaai.version>1.0.23</smartjavaai.version>
         <!--如果打包运行，需要替换成你的main-->
         <exec.mainClass>smartai.examples.objectdetection.ObjectDetection</exec.mainClass>
 

examples/objectdetection-example/src/main/java/smartai/examples/objectdetection/ObjectDetection.java

@@ -11,6 +11,7 @@ import ai.djl.repository.zoo.ModelNotFoundException;
 import ai.djl.repository.zoo.ModelZoo;
 import ai.djl.repository.zoo.ZooModel;
 import ai.djl.training.util.ProgressBar;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionInfo;
 import cn.smartjavaai.common.entity.DetectionRectangle;
 import cn.smartjavaai.common.entity.DetectionResponse;
@@ -27,6 +28,7 @@ import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
 import nu.pattern.OpenCV;
 import org.junit.Assert;
+import org.junit.BeforeClass;
 import org.junit.Test;
 import org.opencv.core.Mat;
 import org.opencv.core.Size;
@@ -47,6 +49,7 @@ import java.util.concurrent.Callable;
 import java.util.concurrent.ExecutorService;
 import java.util.concurrent.Executors;
 import java.util.concurrent.Future;
+import java.util.stream.Collectors;
 
 /**
  * 目标检测模型demo
@@ -61,6 +64,12 @@ public class ObjectDetection {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
 
 
     /**
@@ -139,15 +148,30 @@ public class ObjectDetection {
     public void objectDetectionWithOfficialModel(){
         try {
             DetectorModelConfig config = new DetectorModelConfig();
-            config.setThreshold(0.3f);
+//            config.setThreshold(0.3f);
             //也支持YoloV8：YOLOV8_OFFICIAL 模型可以从文档中提供的地址下载
             config.setModelEnum(DetectorModelEnum.YOLOV12_OFFICIAL);//检测模型，目前支持19种模型
             // 指定模型路径，需要更改为自己的模型路径
-            config.setModelPath("/Users/xxx/Documents/yolov12n.onnx");
+            config.setModelPath("/Users/wenjie/Documents/develop/face_model/yolo11n.torchscript");
             config.setDevice(device);
+            config.putCustomParam("width", 640);//resize 宽
+            config.putCustomParam("height", 640);// resize 高
+            config.putCustomParam("resize", true);
+            config.putCustomParam("toTensor", true);
+            config.putCustomParam("applyRatio", true);
+            config.putCustomParam("threshold", 0.6f);
+                    // for performance optimization maxBox parameter can reduce number of
+                    // considered boxes from 8400
+            config.putCustomParam("maxBox", 8400);
+//            config.putCustomParam("pad", 114d);
+//            List<Float> mean = Arrays.asList(0.5f,0.5f,0.5f,0.5f,0.5f,0.5f);
+//            String normalize = mean.stream().map(Object::toString).collect(Collectors.joining(","));
+//            config.putCustomParam("normalize", normalize);
+//            config.putCustomParam("flag", Image.Flag.COLOR);
+//            config.putCustomParam("pad", 114);
             //一定要将yolo官方的类别文件：synset.txt（文档中下载）放在模型同目录下，否则报错
             DetectorModel detectorModel = ObjectDetectionModelFactory.getInstance().getModel(config);
-            DetectionResponse detect = detectorModel.detect("src/main/resources/dog_bike_car.jpg");
+            DetectionResponse detect = detectorModel.detect("src/main/resources/object_detection.jpg");
             log.info("目标检测结果：{}", JSONObject.toJSONString(detect));
         } catch (Exception e) {
             e.printStackTrace();

examples/ocr-examples/pom.xml

@@ -12,7 +12,7 @@
         <maven.compiler.source>11</maven.compiler.source>
         <maven.compiler.target>11</maven.compiler.target>
         <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
-        <smartjavaai.version>1.0.22</smartjavaai.version>
+        <smartjavaai.version>1.0.23</smartjavaai.version>
         <!--如果打包运行，需要替换成你的main-->
         <exec.mainClass>smartai.examples.ocr.common.OcrRecognizeDemo</exec.mainClass>
 

examples/ocr-examples/src/main/java/smartai/examples/ocr/common/OcrDetectionDemo.java

@@ -1,6 +1,7 @@
 package smartai.examples.ocr.common;
 
 import ai.djl.modality.cv.Image;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.DetectionResponse;
 import cn.smartjavaai.common.enums.DeviceEnum;
 import cn.smartjavaai.common.utils.ImageUtils;
@@ -14,12 +15,14 @@ import cn.smartjavaai.ocr.model.common.detect.OcrCommonDetModel;
 import cn.smartjavaai.ocr.utils.OcrUtils;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 import org.opencv.core.Mat;
 
 import javax.imageio.ImageIO;
 import java.awt.image.BufferedImage;
 import java.io.File;
+import java.io.IOException;
 import java.nio.file.Paths;
 import java.util.List;
 
@@ -32,9 +35,17 @@ import java.util.List;
 public class OcrDetectionDemo {
 
 
+
+
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
     /**
      * 获取文本检测模型
      * @return

examples/ocr-examples/src/main/java/smartai/examples/ocr/common/OcrDirectionDetDemo.java

@@ -1,5 +1,6 @@
 package smartai.examples.ocr.common;
 
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.enums.DeviceEnum;
 import cn.smartjavaai.ocr.config.DirectionModelConfig;
 import cn.smartjavaai.ocr.config.OcrDetModelConfig;
@@ -12,8 +13,10 @@ import cn.smartjavaai.ocr.model.common.detect.OcrCommonDetModel;
 import cn.smartjavaai.ocr.model.common.direction.OcrDirectionModel;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
+import java.io.IOException;
 import java.util.List;
 
 /**
@@ -28,6 +31,12 @@ public class OcrDirectionDetDemo {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
     /**
      * 获取方向检测模型
      * @return

examples/ocr-examples/src/main/java/smartai/examples/ocr/common/OcrRecognizeDemo.java

@@ -1,6 +1,10 @@
 package smartai.examples.ocr.common;
 
 import ai.djl.modality.cv.Image;
+import ai.djl.util.JsonUtils;
+import cn.hutool.core.img.ImgUtil;
+import cn.hutool.core.io.FileUtil;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.enums.DeviceEnum;
 import cn.smartjavaai.common.utils.ImageUtils;
 import cn.smartjavaai.ocr.config.DirectionModelConfig;
@@ -18,9 +22,15 @@ import cn.smartjavaai.ocr.model.common.direction.OcrDirectionModel;
 import cn.smartjavaai.ocr.model.common.recognize.OcrCommonRecModel;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
+import javax.imageio.ImageIO;
+import java.awt.image.BufferedImage;
 import java.io.File;
+import java.io.IOException;
+import java.nio.file.Path;
+import java.nio.file.Paths;
 import java.util.List;
 
 /**
@@ -35,6 +45,13 @@ public class OcrRecognizeDemo {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+        //Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
     /**
      * 获取通用识别模型（不带方向矫正）
      * @return
@@ -44,7 +61,7 @@ public class OcrRecognizeDemo {
         //指定文本识别模型
         recModelConfig.setRecModelEnum(CommonRecModelEnum.PP_OCR_V5_MOBILE_REC_MODEL);
         //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        recModelConfig.setRecModelPath("/Users/xxx/Documents/develop/model/ocr/PP-OCRv5_mobile_rec_infer/PP-OCRv5_mobile_rec_infer.onnx");
+        recModelConfig.setRecModelPath("/Users/wenjie/Documents/develop/model/ocr/PP-OCRv5_mobile_rec_infer/PP-OCRv5_mobile_rec_infer.onnx");
         recModelConfig.setDevice(device);
         recModelConfig.setTextDetModel(getDetectionModel());
         return OcrModelFactory.getInstance().getRecModel(recModelConfig);
@@ -59,7 +76,7 @@ public class OcrRecognizeDemo {
         //指定检测模型
         config.setModelEnum(CommonDetModelEnum.PP_OCR_V5_MOBILE_DET_MODEL);
         //指定模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        config.setDetModelPath("/Users/xxx/Documents/develop/model/ocr/PP-OCRv5_mobile_det_infer/PP-OCRv5_mobile_det_infer.onnx");
+        config.setDetModelPath("/Users/wenjie/Documents/develop/model/ocr/PP-OCRv5_mobile_det_infer/PP-OCRv5_mobile_det_infer.onnx");
         config.setDevice(device);
         return OcrModelFactory.getInstance().getDetModel(config);
     }
@@ -180,6 +197,59 @@ public class OcrRecognizeDemo {
         }
     }
 
+    @Test
+    public void recognizeAndDraw2(){
+        try {
+            OcrCommonRecModel recModel = getRecModel();
+            int fontSize = 18;
+            //创建保存路径
+            Path inputImagePath = Paths.get("src/main/resources/general_ocr_002.png");
+            Path imageOutputPath = Paths.get("output/ocr_4_recognized.jpg");
+            BufferedImage image = null;
+            image = ImageIO.read(new File(inputImagePath.toAbsolutePath().toString()));
+            BufferedImage resultImage = recModel.recognizeAndDraw(image, fontSize, new OcrRecOptions());
+            ImageUtils.saveImage(resultImage, imageOutputPath.toAbsolutePath().toString());
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * 文本识别并绘制结果（返回base64）
+     */
+    @Test
+    public void recognizeAndDrawToBase64(){
+        try {
+            OcrCommonRecModel recModel = getRecModel();
+            int fontSize = 18;
+            //创建保存路径
+            Path inputImagePath = Paths.get("src/main/resources/general_ocr_002.png");
+            byte[] imageBytes = FileUtil.readBytes(inputImagePath);
+            String base64 = recModel.recognizeAndDrawToBase64(imageBytes, fontSize, new OcrRecOptions());
+            log.info("base64:{}", base64);
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * 文本识别并绘制结果（返回OcrInfo,OcrInfo中包含base64）
+     */
+    @Test
+    public void recognizeAndDraw3(){
+        try {
+            OcrCommonRecModel recModel = getRecModel();
+            int fontSize = 18;
+            //创建保存路径
+            Path inputImagePath = Paths.get("src/main/resources/general_ocr_002.png");
+            byte[] imageBytes = FileUtil.readBytes(inputImagePath);
+            OcrInfo ocrInfo = recModel.recognizeAndDraw(imageBytes, fontSize, new OcrRecOptions());
+            log.info("ocrInfo:{}", JsonUtils.toJson(ocrInfo));
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
     /**
      * 批量识别
      * 注意事项：

examples/ocr-examples/src/main/java/smartai/examples/ocr/plate/PlateRecDemo.java

@@ -1,6 +1,7 @@
 package smartai.examples.ocr.plate;
 
 import ai.djl.util.JsonUtils;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.R;
 import cn.smartjavaai.common.enums.DeviceEnum;
 import cn.smartjavaai.common.utils.ImageUtils;
@@ -13,9 +14,11 @@ import cn.smartjavaai.ocr.factory.PlateModelFactory;
 import cn.smartjavaai.ocr.model.plate.PlateDetModel;
 import cn.smartjavaai.ocr.model.plate.PlateRecModel;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
 import java.io.File;
+import java.io.IOException;
 import java.util.List;
 
 /**
@@ -27,6 +30,12 @@ public class PlateRecDemo {
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
     /**
      * 获取车牌检测模型
      * @return

examples/ocr-examples/src/main/java/smartai/examples/ocr/table/TableRecDemo.java

@@ -2,6 +2,7 @@ package smartai.examples.ocr.table;
 
 import ai.djl.modality.cv.Image;
 import cn.hutool.core.io.FileUtil;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.R;
 import cn.smartjavaai.common.enums.DeviceEnum;
 import cn.smartjavaai.common.utils.ImageUtils;
@@ -21,17 +22,21 @@ import cn.smartjavaai.ocr.model.table.TableRecognizer;
 import cn.smartjavaai.ocr.model.table.TableStructureModel;
 import com.alibaba.fastjson.JSONObject;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
 import javax.imageio.ImageIO;
 import java.awt.image.BufferedImage;
 import java.io.File;
+import java.io.IOException;
+import java.io.OutputStream;
+import java.nio.file.Files;
 import java.nio.file.Path;
 import java.nio.file.Paths;
 import java.util.List;
 
 /**
- * OCR 文本识别 示例
+ * OCR 表格识别 示例
  * 模型下载地址：https://pan.baidu.com/s/1MLfd73Vjdpnuls9-oqc9uw?pwd=1234 提取码: 1234
  * @author dwj
  * @date 2025/5/25
@@ -39,6 +44,13 @@ import java.util.List;
 @Slf4j
 public class TableRecDemo {
 
+
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
     //设备类型
     public static DeviceEnum device = DeviceEnum.CPU;
 
@@ -51,7 +63,7 @@ public class TableRecDemo {
         //指定文本识别模型
         recModelConfig.setRecModelEnum(CommonRecModelEnum.PP_OCR_V5_MOBILE_REC_MODEL);
         //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        recModelConfig.setRecModelPath("/Users/xxx/Documents/develop/model/ocr/PP-OCRv5_mobile_rec_infer/PP-OCRv5_mobile_rec_infer.onnx");
+        recModelConfig.setRecModelPath("/Users/wenjie/Documents/develop/model/ocr/PP-OCRv5_mobile_rec_infer/PP-OCRv5_mobile_rec_infer.onnx");
         recModelConfig.setDevice(device);
         recModelConfig.setTextDetModel(getDetectionModel());
         return OcrModelFactory.getInstance().getRecModel(recModelConfig);
@@ -66,7 +78,7 @@ public class TableRecDemo {
         //指定检测模型
         config.setModelEnum(CommonDetModelEnum.PP_OCR_V5_MOBILE_DET_MODEL);
         //指定模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        config.setDetModelPath("/Users/xxx/Documents/develop/model/ocr/PP-OCRv5_mobile_det_infer/PP-OCRv5_mobile_det_infer.onnx");
+        config.setDetModelPath("/Users/wenjie/Documents/develop/model/ocr/PP-OCRv5_mobile_det_infer/PP-OCRv5_mobile_det_infer.onnx");
 //        config.setDetModelPath("/Users/xxx/Documents/develop/model/ocr/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
         config.setDevice(device);
         return OcrModelFactory.getInstance().getDetModel(config);
@@ -81,7 +93,7 @@ public class TableRecDemo {
         //指定行文本方向检测模型
         directionModelConfig.setModelEnum(DirectionModelEnum.PP_LCNET_X0_25);
         //指定行文本方向检测模型路径，需要更改为自己的模型路径（下载地址请查看文档）
-        directionModelConfig.setModelPath("/Users/xxx/Documents/develop/model/ocr/PP-LCNet_x0_25_textline_ori_infer/PP-LCNet_x0_25_textline_ori_infer.onnx");
+        directionModelConfig.setModelPath("/Users/wenjie/Documents/develop/model/ocr/PP-LCNet_x0_25_textline_ori_infer/PP-LCNet_x0_25_textline_ori_infer.onnx");
         directionModelConfig.setDevice(device);
         return OcrModelFactory.getInstance().getDirectionModel(directionModelConfig);
     }
@@ -95,7 +107,7 @@ public class TableRecDemo {
         //指定行文本方向检测模型
         config.setModelEnum(TableStructureModelEnum.SLANET_PLUS);
         //指定行文本方向检测模型路径，需要更改为自己的模型路径（下载地址请查看文档）
-        config.setModelPath("/Users/xxx/Documents/develop/model/ocr/slanet-plus/slanet-plus.onnx");
+        config.setModelPath("/Users/wenjie/Documents/develop/model/ocr/slanet-plus/slanet-plus.onnx");
 //        config.setModelPath("/Users/xxx/Documents/develop/model/ocr/SLANet_infer/SLANet.onnx");
         config.setDevice(device);
         return TableRecModelFactory.getInstance().getTableStructureModel(config);
@@ -142,4 +154,47 @@ public class TableRecDemo {
         }
     }
 
+
+    /**
+     * 表格识别
+     * 仅支持简单表格
+     * 流程：表格结构识别 -> 文本检测 -> 文本识别 -> 合成html table
+     * 注意事项：
+     * 1、批量检测时，模型应统一放在外层 try 中使用，避免重复加载，自动释放资源更安全。
+     * 2、模型文件需要放在单独文件夹
+     */
+    @Test
+    public void recognize2(){
+        try {
+            TableStructureModel tableStructureModel = getTableStructureModel();
+            OcrCommonDetModel detModel = getDetectionModel();
+            OcrCommonRecModel recModel = getRecModel();
+            OcrDirectionModel directionModel = getDirectionModel();
+            //创建表格识别器
+            TableRecognizer tableRecognizer = TableRecognizer.builder()
+                    .withStructureModel(tableStructureModel)
+                    .withTextDetModel(detModel)
+//                .withDirectionModel(getDirectionModel()) //如果表格中存在旋转的文字，可以使用方向分类模型
+                    .withTextRecModel(recModel).build();
+            String imagePath = "src/main/resources/table/table_ch1.png";
+            BufferedImage image = ImageIO.read(new File(Paths.get(imagePath).toAbsolutePath().toString()));
+            R<TableStructureResult> result = tableRecognizer.recognize(image);
+            if(result.isSuccess()){
+                log.info("result: {}", result.getData().getHtml());
+                //导出html内容到文件
+                Path outputPath = Paths.get("output/table_ch2_result.html");
+                FileUtil.writeUtf8String(result.getData().getHtml(), outputPath.toAbsolutePath().toString());
+                //绘制表格结构
+                BufferedImage resultImage = tableRecognizer.drawTable(result.getData(), image);
+                ImageUtils.saveImage(resultImage, "output/table_ch2_result.jpg");
+                //导出excel，如果导出失败，可能是因为表格结果识别的结果是错乱的
+                try (OutputStream out = Files.newOutputStream(Paths.get("output/table_ch2_result2.xls"))) {
+                    tableRecognizer.exportExcel(result.getData().getHtml(), out);
+                }
+            }
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
 }

examples/speech-examples/.gitignore

@@ -0,0 +1,7 @@
+.idea
+.idea/
+target
+log
+*.iml
+/.settings/
+/logging.file_IS_UNDEFINED/

examples/speech-examples/README.md

@@ -0,0 +1,43 @@
+# OCR文字识别示例
+
+
+我来为你写一个 `speech-examples` 项目的 README.md 文件。
+
+## 🎤 语音识别示例
+
+本项目展示了如何使用 SmartJavaAI SDK 进行语音识别，支持 Whisper 和 Vosk 两种语音识别引擎。
+
+## 📁 项目结构
+
+```
+src
+├── main
+│   ├── java
+│   │   └── smartai/examples/speech/asr
+│   │       └── SpeechRecognizeDemo.java  # 语音识别示例
+│   └── resources
+│       ├── logback.xml                  # 日志配置文件
+│       ├── speech_zh.mp3                # 中文测试音频
+│       ├── lff_zh.mp3                   # 中文测试音频
+│       └── jfk_en.wav                   # 英文测试音频
+└── test
+```
+
+## 🚀 快速开始
+
+1. 克隆项目到本地：
+
+2. 导入项目至 IntelliJ IDEA。
+
+3. 根据需要修改模型路径（见各 demo 中注释）。
+
+4. 运行对应的 JUnit 测试类方法即可体验各项功能。
+
+---
+
+## 📄 文档
+
+有关完整使用说明，请查阅 SmartJavaAI 官方文档：
+[http://doc.smartjavaai.cn](http://doc.smartjavaai.cn)
+
+---

examples/speech-examples/pom.xml

@@ -0,0 +1,214 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project xmlns="http://maven.apache.org/POM/4.0.0"
+         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
+         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
+    <modelVersion>4.0.0</modelVersion>
+
+    <groupId>cn.smartjavaai</groupId>
+    <artifactId>examples-speech</artifactId>
+    <version>1.0.0-SNAPSHOT</version>
+
+    <properties>
+        <maven.compiler.source>11</maven.compiler.source>
+        <maven.compiler.target>11</maven.compiler.target>
+        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
+        <smartjavaai.version>1.0.23</smartjavaai.version>
+        <!--如果打包运行，需要替换成你的main-->
+        <exec.mainClass>smartai.examples.speech.asr.common.OcrRecognizeDemo</exec.mainClass>
+
+    </properties>
+
+    <dependencyManagement>
+        <dependencies>
+            <dependency>
+                <groupId>cn.smartjavaai</groupId>
+                <artifactId>smartjavaai-bom</artifactId>
+                <version>${smartjavaai.version}</version>
+                <type>pom</type>
+                <!-- 注意这里是import -->
+                <scope>import</scope>
+            </dependency>
+        </dependencies>
+    </dependencyManagement>
+
+
+    <dependencies>
+        <dependency>
+            <groupId>commons-cli</groupId>
+            <artifactId>commons-cli</artifactId>
+            <version>1.9.0</version>
+        </dependency>
+        <dependency>
+            <groupId>commons-io</groupId>
+            <artifactId>commons-io</artifactId>
+            <version>2.17.0</version>
+        </dependency>
+        <dependency>
+            <groupId>org.apache.logging.log4j</groupId>
+            <artifactId>log4j-slf4j2-impl</artifactId>
+            <version>2.24.1</version>
+        </dependency>
+        <dependency>
+            <groupId>org.testng</groupId>
+            <artifactId>testng</artifactId>
+            <version>7.10.2</version>
+            <scope>test</scope>
+        </dependency>
+
+
+        <dependency>
+            <groupId>ch.qos.logback</groupId>
+            <artifactId>logback-classic</artifactId>
+            <version>1.2.3</version>
+        </dependency>
+        <dependency>
+            <groupId>org.slf4j</groupId>
+            <artifactId>slf4j-api</artifactId>
+            <version>1.7.30</version>
+        </dependency>
+
+        <dependency>
+            <groupId>com.alibaba</groupId>
+            <artifactId>fastjson</artifactId>
+            <version>1.2.83</version>
+        </dependency>
+
+        <dependency>
+            <groupId>junit</groupId>
+            <artifactId>junit</artifactId>
+            <version>4.13.2</version>
+        </dependency>
+
+
+
+        <!--语音识别模块-->
+        <dependency>
+            <groupId>cn.smartjavaai</groupId>
+            <artifactId>smartjavaai-speech</artifactId>
+            <exclusions>
+                <exclusion>
+                    <groupId>com.microsoft.onnxruntime</groupId>
+                    <artifactId>onnxruntime</artifactId>
+                </exclusion>
+                <exclusion>
+                    <groupId>org.openpnp</groupId>
+                    <artifactId>opencv</artifactId>
+                </exclusion>
+                <exclusion>
+                    <groupId>ai.djl.huggingface</groupId>
+                    <artifactId>tokenizers</artifactId>
+                </exclusion>
+                <exclusion>
+                    <groupId>ai.djl.ml.xgboost</groupId>
+                    <artifactId>xgboost</artifactId>
+                </exclusion>
+            </exclusions>
+        </dependency>
+
+        <!--ffmpeg库 引用所有平台库-->
+        <dependency>
+            <groupId>ws.schild</groupId>
+            <artifactId>jave-all-deps</artifactId>
+            <version>3.5.0</version>
+        </dependency>
+
+
+        <!-- windows平台 (保留对应平台的配置，可以减小包大小)-->
+<!--        <dependency>-->
+<!--            <groupId>ws.schild</groupId>-->
+<!--            <artifactId>jave-nativebin-win64</artifactId>-->
+<!--            <version>3.5.0</version>-->
+<!--        </dependency>-->
+
+
+
+        <!-- linux x86 平台 (保留对应平台的配置，可以减小包大小)-->
+<!--        <dependency>-->
+<!--            <groupId>ws.schild</groupId>-->
+<!--            <artifactId>jave-nativebin-linux64</artifactId>-->
+<!--            <version>3.5.0</version>-->
+<!--        </dependency>-->
+
+        <!-- linux arm64 平台 (保留对应平台的配置，可以减小包大小)-->
+<!--        <dependency>-->
+<!--            <groupId>ws.schild</groupId>-->
+<!--            <artifactId>jave-nativebin-linux-arm64</artifactId>-->
+<!--            <version>3.5.0</version>-->
+<!--        </dependency>-->
+
+        <!-- linux arm32 平台 (保留对应平台的配置，可以减小包大小)-->
+<!--        <dependency>-->
+<!--            <groupId>ws.schild</groupId>-->
+<!--            <artifactId>jave-nativebin-linux-arm32</artifactId>-->
+<!--            <version>3.5.0</version>-->
+<!--        </dependency>-->
+
+
+        <!-- macOS osx64 平台  (保留对应平台的配置，可以减小包大小)-->
+<!--        <dependency>-->
+<!--            <groupId>ws.schild</groupId>-->
+<!--            <artifactId>jave-nativebin-osx64</artifactId>-->
+<!--            <version>3.5.0</version>-->
+<!--        </dependency>-->
+
+        <!-- macOS M系列 平台  (保留对应平台的配置，可以减小包大小)-->
+<!--        <dependency>-->
+<!--            <groupId>ws.schild</groupId>-->
+<!--            <artifactId>jave-nativebin-osxm1</artifactId>-->
+<!--            <version>3.5.0</version>-->
+<!--        </dependency>-->
+
+
+
+
+
+
+
+    </dependencies>
+
+    <build>
+        <plugins>
+            <plugin>
+                <groupId>org.apache.maven.plugins</groupId>
+                <artifactId>maven-shade-plugin</artifactId>
+                <version>3.5.0</version>
+                <executions>
+                    <execution>
+                        <phase>package</phase>
+                        <goals><goal>shade</goal></goals>
+                        <configuration>
+                            <createDependencyReducedPom>false</createDependencyReducedPom>
+                            <transformers>
+                                <transformer implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/>
+                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
+                                    <mainClass>${exec.mainClass}</mainClass>
+                                </transformer>
+                            </transformers>
+                        </configuration>
+                    </execution>
+                </executions>
+            </plugin>
+        </plugins>
+    </build>
+
+    <repositories>
+        <repository>
+            <id>aliyunmaven</id>
+            <name>阿里云公共仓库</name>
+            <url>https://maven.aliyun.com/repository/public</url>
+            <releases>
+                <enabled>true</enabled>
+            </releases>
+            <snapshots>
+                <enabled>false</enabled>
+            </snapshots>
+        </repository>
+    </repositories>
+
+
+
+
+
+
+
+</project>

examples/speech-examples/src/main/java/smartai/examples/speech/asr/SpeechRecognizeDemo.java

@@ -0,0 +1,311 @@
+package smartai.examples.speech.asr;
+
+import ai.djl.util.JsonUtils;
+import cn.hutool.core.io.FileUtil;
+import cn.smartjavaai.common.entity.Language;
+import cn.smartjavaai.common.entity.R;
+import cn.smartjavaai.speech.asr.config.AsrModelConfig;
+import cn.smartjavaai.speech.asr.entity.AsrResult;
+import cn.smartjavaai.speech.asr.entity.VoskParams;
+import cn.smartjavaai.speech.asr.entity.WhisperParams;
+import cn.smartjavaai.speech.asr.enums.AsrModelEnum;
+import cn.smartjavaai.speech.asr.factory.SpeechRecognizerFactory;
+import cn.smartjavaai.speech.asr.model.SpeechRecognizer;
+import cn.smartjavaai.speech.asr.model.VoskRecognizer;
+import cn.smartjavaai.speech.asr.model.WhisperRecognizer;
+import io.github.givimad.whisperjni.WhisperFullParams;
+import io.github.givimad.whisperjni.WhisperGrammar;
+import io.github.givimad.whisperjni.WhisperSamplingStrategy;
+import io.github.givimad.whisperjni.WhisperState;
+import lombok.extern.slf4j.Slf4j;
+import org.apache.commons.io.FileUtils;
+import org.junit.Test;
+import org.vosk.Recognizer;
+
+import javax.sound.sampled.AudioSystem;
+import java.io.BufferedInputStream;
+import java.io.File;
+import java.io.FileInputStream;
+import java.io.InputStream;
+import java.nio.file.Paths;
+
+/**
+ *
+ * 语音识别demo
+ * @author dwj
+ * @date 2025/8/6
+ */
+@Slf4j
+public class SpeechRecognizeDemo {
+
+    /**
+     * 获取Whisper模型
+     * 模型下载网盘：通过网盘分享的文件：https://pan.baidu.com/s/1kiMF5MF641R7LTn1GpB2lQ?pwd=1234 提取码: 1234
+     * 更多模型下载地址：https://huggingface.co/ggerganov/whisper.cpp/tree/main
+     * @return
+     */
+    public SpeechRecognizer getWhisperRecognizer() {
+        AsrModelConfig config = new AsrModelConfig();
+        config.setModelEnum(AsrModelEnum.WHISPER);
+        //模型下载地址：https://huggingface.co/ggerganov/whisper.cpp/tree/main
+        config.setModelPath("/Users/xxx/Documents/develop/model/speech/ggml-medium.bin");
+        return SpeechRecognizerFactory.getInstance().getModel(config);
+    }
+
+
+    /**
+     * Whisper 语音识别
+     * 多语言模型支持100种语言
+     * 注意事项：
+     * 1、不支持centos7
+     * 2、模型越大越准确
+     * 3、暂不支持GPU使用，如需GPU使用需要自行编译：https://github.com/ggml-org/whisper.cpp/tree/master?tab=readme-ov-file#nvidia-gpu-support
+     */
+    @Test
+    public void testWhisper() {
+        try {
+            SpeechRecognizer recognizer = getWhisperRecognizer();
+            WhisperParams params = new WhisperParams();
+            //语言：中文
+            params.setLanguage(Language.ZH);
+            R<AsrResult> result = recognizer.recognize("src/main/resources/speech_zh.mp3", params);
+            if (result.isSuccess()){
+                log.info("识别成功:{}", JsonUtils.toJson(result.getData()));
+            }else{
+                log.info("识别失败：{}", result.getMessage());
+            }
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * Whisper 语音识别(使用个性化配置)
+     * 多语言模型支持100种语言
+     * 注意事项：
+     * 1、不支持centos7
+     * 2、模型越大越准确
+     * 3、暂不支持GPU使用，如需GPU使用需要自行编译：https://github.com/ggml-org/whisper.cpp/tree/master?tab=readme-ov-file#nvidia-gpu-support
+     */
+    @Test
+    public void testWhisperWithCustomConfig() {
+        try {
+            SpeechRecognizer recognizer = getWhisperRecognizer();
+            WhisperParams params = new WhisperParams();
+            //语言：中文
+            params.setLanguage(Language.ZH);
+            /**
+             * 解码搜索策略类型：
+             * GREEDY - 贪婪解码，逐步选择概率最高的结果；
+             * BEAN_SEARCH - Beam 搜索，保留多个候选路径以提高准确性。
+             */
+            WhisperFullParams fullParams = new WhisperFullParams(WhisperSamplingStrategy.BEAN_SEARCH);
+            //语言
+            fullParams.language = Language.ZH.getCode();
+            //线程数，设为 0 表示使用最大核心数。
+            fullParams.nThreads = 0;
+            //解码器使用的历史文本作为提示的最大 token 数。
+            fullParams.nMaxTextCtx = 16384;
+            //解码起始偏移（毫秒）
+            fullParams.offsetMs = 0;
+            //解码持续时长（毫秒），超过此长度的音频将被截断
+            fullParams.durationMs = 0;
+            //是否翻译为英文
+            fullParams.translate = false;
+            // 初始提示，用于提供上下文或样例，帮助模型更准确地理解语音内容
+            fullParams.initialPrompt = "简体中文";
+            //禁用上下文链接，不使用前一段解码结果作为上下文
+            fullParams.noContext = true;
+            //是否强制仅输出一个段落（适用于短语音）
+            fullParams.singleSegment = false;
+            //是否打印特殊标记
+            fullParams.printSpecial = false;
+            //是否直接从 whisper.cpp 中打印结果（不推荐，建议使用回调方式替代）
+            fullParams.printRealtime = false;
+            //抑制非语音 token输出
+            fullParams.suppressNonSpeechTokens = false;
+            //更多参数请查看官网：https://github.com/GiviMAD/whisper-jni/blob/33854520b1f0b3697106a7932a2fd64e8191bca9/src/main/java/io/github/givimad/whisperjni/WhisperFullParams.java
+            params.setParams(fullParams);
+            //建议上传 WAV 格式音频。其他格式将自动转换为 WAV，可能影响处理速度
+            R<AsrResult> result = recognizer.recognize("src/main/resources/speech_zh.mp3", params);
+            if (result.isSuccess()){
+                log.info("识别成功:{}", JsonUtils.toJson(result.getData()));
+            }else{
+                log.info("识别失败：{}", result.getMessage());
+            }
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * Whisper 语音识别(使用Grammar语法规则)
+     * 多语言模型支持100种语言
+     * 注意事项：
+     * 1、不支持centos7
+     * 2、模型越大越准确
+     * 3、暂不支持GPU使用，如需GPU使用需要自行编译：https://github.com/ggml-org/whisper.cpp/tree/master?tab=readme-ov-file#nvidia-gpu-support
+     */
+    @Test
+    public void testWhisperWithGrammar() {
+        try {
+            WhisperRecognizer whisperRecognizer = (WhisperRecognizer)getWhisperRecognizer();
+            //语法规则
+            String grammarText = "root ::= \" And so, my fellow American, ask not what your country can do for you, ask what you can do for your country.\"";
+            try (WhisperGrammar grammar = whisperRecognizer.parseGrammar(grammarText)){
+                WhisperParams params = new WhisperParams();
+                WhisperFullParams fullParams = new WhisperFullParams(WhisperSamplingStrategy.BEAN_SEARCH);
+                //语言：英文
+                fullParams.language = Language.EN.getCode();
+                fullParams.grammar = grammar;
+                params.setParams(fullParams);
+                //建议上传 WAV 格式音频。其他格式将自动转换为 WAV，可能影响处理速度
+                R<AsrResult> result = whisperRecognizer.recognize("src/main/resources/jfk_en.wav", params);
+                if (result.isSuccess()){
+                    log.info("识别成功:{}", JsonUtils.toJson(result.getData()));
+                }else{
+                    log.info("识别失败：{}", result.getMessage());
+                }
+            } catch (Exception e) {
+                throw new RuntimeException(e);
+            }
+
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+
+    /**
+     * 获取Vosk模型（中文）
+     * 模型下载网盘：通过网盘分享的文件：https://pan.baidu.com/s/1kiMF5MF641R7LTn1GpB2lQ?pwd=1234 提取码: 1234
+     * 更多模型下载地址：https://alphacephei.com/vosk/models
+     * @return
+     */
+    public SpeechRecognizer geVoskRecognizer() {
+        AsrModelConfig config = new AsrModelConfig();
+        config.setModelEnum(AsrModelEnum.VOSK);
+        /**
+         * 每个模型只支持一种语言，请下载对应语音的模型，模型下载地址：https://alphacephei.com/vosk/models
+         * 将模型解压后，将模型目录位置填写到此处
+         */
+        config.setModelPath("/Users/xxx/Documents/develop/model/speech/vosk-model-cn-0.22");
+        /**
+         * macos m系列芯片需要手动下载依赖库，并指定位置，其他平台不需要
+         * 下载地址：https://pan.baidu.com/s/1LZ_EX1XdTTp_f5ruud82MA?pwd=1234 提取码: 1234
+         */
+//        config.setLibPath(Paths.get("/Users/xxx/Downloads/vosk-arrch64-dylib-main/libvosk.dylib"));
+        return SpeechRecognizerFactory.getInstance().getModel(config);
+    }
+
+    /**
+     * 获取Vosk模型（英文）
+     * 模型下载网盘：通过网盘分享的文件：https://pan.baidu.com/s/1kiMF5MF641R7LTn1GpB2lQ?pwd=1234 提取码: 1234
+     * 更多模型下载地址：https://alphacephei.com/vosk/models
+     * @return
+     */
+    public SpeechRecognizer geEnVoskRecognizer() {
+        AsrModelConfig config = new AsrModelConfig();
+        config.setModelEnum(AsrModelEnum.VOSK);
+        /**
+         * 每个模型只支持一种语言，请下载对应语音的模型，模型下载地址：https://alphacephei.com/vosk/models
+         * 将模型解压后，将模型目录位置填写到此处
+         */
+        config.setModelPath("/Users/xxx/Documents/develop/model/speech/vosk-model-small-en-us-0.15");
+//        config.setLibPath(Paths.get("/Users/xxx/Downloads/vosk-arrch64-dylib-main/libvosk.dylib"));
+        return SpeechRecognizerFactory.getInstance().getModel(config);
+    }
+
+
+    /**
+     * Vosk 语音识别
+     * 支持 20 多种语言和方言——英语、印度英语、德语、法语、西班牙语、葡萄牙语、中文、俄语、土耳其语、越南语、意大利语、荷兰语、加泰罗尼亚语、阿拉伯语、希腊语、波斯语、菲律宾语、乌克兰语、哈萨克语、瑞典语、日语、世界语、印地语、捷克语、波兰语等
+     * 注意事项:
+     * 1、每个模型只支持一种语言，请下载对应语言的模型
+     * 2、如果音频中存在多种语言，不推荐使用vosk，可以使用Whisper
+     * 3、模型越大越准确
+     * 4、暂不支持GPU使用，如需GPU使用需要自行编译：https://alphacephei.com/vosk/install
+     */
+    @Test
+    public void testVosk() {
+        try {
+            SpeechRecognizer recognizer = geVoskRecognizer();
+            //建议上传 WAV 格式音频。其他格式将自动转换为 WAV，可能影响处理速度
+            R<AsrResult> result = recognizer.recognize("src/main/resources/lff_zh.mp3");
+            if (result.isSuccess()){
+                log.info("识别成功:{}", JsonUtils.toJson(result.getData()));
+            }else{
+                log.info("识别失败：{}", result.getMessage());
+            }
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * Vosk 语音识别(使用Grammar语法规则)
+     * 支持 20 多种语言和方言——英语、印度英语、德语、法语、西班牙语、葡萄牙语、中文、俄语、土耳其语、越南语、意大利语、荷兰语、加泰罗尼亚语、阿拉伯语、希腊语、波斯语、菲律宾语、乌克兰语、哈萨克语、瑞典语、日语、世界语、印地语、捷克语、波兰语等
+     * 注意事项:
+     * 1、每个模型只支持一种语言，请下载对应语言的模型
+     * 2、如果音频中存在多种语言，不推荐使用vosk，可以使用Whisper
+     * 3、模型越大越准确
+     * 4、暂不支持GPU使用，如需GPU使用需要自行编译：https://alphacephei.com/vosk/install
+     */
+    @Test
+    public void testVoskWithGrammar() {
+        try {
+            //获取英文模型
+            SpeechRecognizer recognizer = geEnVoskRecognizer();
+            VoskParams voskParams = new VoskParams();
+            //英文
+            voskParams.setLanguage(Language.EN);
+            voskParams.setGrammar("[\"one two three four five six seven eight nine zero oh\"]");
+            //建议上传 WAV 格式音频。其他格式将自动转换为 WAV，可能影响处理速度
+            R<AsrResult> result = recognizer.recognize("src/main/resources/test_en.wav",voskParams);
+            if (result.isSuccess()){
+                log.info("识别成功:{}", JsonUtils.toJson(result.getData()));
+            }else{
+                log.info("识别失败：{}", result.getMessage());
+            }
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * Vosk 语音识别(使用Vosk内部识别器)
+     * 支持 20 多种语言和方言——英语、印度英语、德语、法语、西班牙语、葡萄牙语、中文、俄语、土耳其语、越南语、意大利语、荷兰语、加泰罗尼亚语、阿拉伯语、希腊语、波斯语、菲律宾语、乌克兰语、哈萨克语、瑞典语、日语、世界语、印地语、捷克语、波兰语等
+     * 注意事项:
+     * 1、每个模型只支持一种语言，请下载对应语言的模型
+     * 2、如果音频中存在多种语言，不推荐使用vosk，可以使用Whisper
+     * 3、模型越大越准确
+     * 4、暂不支持GPU使用，如需GPU使用需要自行编译：https://alphacephei.com/vosk/install
+     */
+    @Test
+    public void testVoskAdvanced() {
+        try {
+            VoskRecognizer recognizer = (VoskRecognizer)geVoskRecognizer();
+            //使用vosk内部接口，需要指定识别音频的采样率
+            Recognizer voskRecognizer = recognizer.createAdvancedRecognizer(16000);
+            voskRecognizer.setWords(true);
+            voskRecognizer.setPartialWords(true);
+            // 使用vosk内部接口，只支持wav格式
+            String audioPath = "src/main/resources/lff_zh.wav";
+            InputStream ais = AudioSystem.getAudioInputStream(new BufferedInputStream(new FileInputStream(audioPath)));
+            int nbytes;
+            byte[] b = new byte[4096];
+            while ((nbytes = ais.read(b)) >= 0) {
+                if (voskRecognizer.acceptWaveForm(b, nbytes)) {
+                    log.info(voskRecognizer.getResult());
+                } else {
+                    log.info(voskRecognizer.getPartialResult());
+                }
+            }
+            log.info(voskRecognizer.getFinalResult());
+        } catch (Exception e) {
+            e.printStackTrace();
+        }
+    }
+
+
+}

examples/speech-examples/src/main/resources/META-INF/MANIFEST.MF

@@ -0,0 +1,3 @@
+Manifest-Version: 1.0
+Main-Class: smartai.examples.face.SeetaFace6LinuxDemo
+

examples/speech-examples/src/main/resources/logback.xml

@@ -0,0 +1,14 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<!-- 步骤2: 配置文件 (src/main/resources/logback.xml) -->
+<configuration scan="true" scanPeriod="30 seconds">
+    <!-- 控制台日志输出 -->
+    <appender name="CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
+        <encoder>
+            <pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %highlight(%-5level) %cyan(%logger{36}) - %msg%n</pattern>
+        </encoder>
+    </appender>
+
+    <root level="DEBUG">
+        <appender-ref ref="CONSOLE" />
+    </root>
+</configuration>

examples/translation-example/pom.xml

@@ -12,7 +12,7 @@
         <maven.compiler.source>11</maven.compiler.source>
         <maven.compiler.target>11</maven.compiler.target>
         <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
-        <smartjavaai.version>1.0.22</smartjavaai.version>
+        <smartjavaai.version>1.0.23</smartjavaai.version>
         <!--如果打包运行，需要替换成你的main-->
         <exec.mainClass>smartai.examples.nlp.translation.TranslationDemo</exec.mainClass>
 

examples/translation-example/src/main/java/smartai/examples/nlp/translation/TranslationDemo.java

@@ -1,6 +1,7 @@
 package smartai.examples.nlp.translation;
 
 import ai.djl.util.JsonUtils;
+import cn.smartjavaai.common.config.Config;
 import cn.smartjavaai.common.entity.R;
 import cn.smartjavaai.common.enums.DeviceEnum;
 import cn.smartjavaai.translation.config.TranslationModelConfig;
@@ -11,8 +12,11 @@ import cn.smartjavaai.translation.factory.TranslationModelFactory;
 import cn.smartjavaai.translation.model.TranslationModel;
 import lombok.Data;
 import lombok.extern.slf4j.Slf4j;
+import org.junit.BeforeClass;
 import org.junit.Test;
 
+import java.io.IOException;
+
 /**
  * 翻译Demo
  * 支持 Meta AI 开源的 NLLB-200 模型，实现 200 多种语言之间的高质量互译。
@@ -23,6 +27,12 @@ import org.junit.Test;
 @Slf4j
 public class TranslationDemo {
 
+    @BeforeClass
+    public static void beforeAll() throws IOException {
+        //修改缓存路径
+//        Config.setCachePath("/Users/xxx/smartjavaai_cache");
+    }
+
 
     /**
      * 翻译

pom.xml

@@ -7,7 +7,7 @@
     <name>SmartJavaAI</name>
     <groupId>cn.smartjavaai</groupId>
     <artifactId>smartjavaai-parent</artifactId>
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <packaging>pom</packaging>
     <description>SmartJavaAI</description>
     <modules>
@@ -170,11 +170,11 @@
             <artifactId>opencv</artifactId>
         </dependency>
 
-        <dependency>
+<!--        <dependency>-->
-            <groupId>ai.djl.ml.xgboost</groupId>
+<!--            <groupId>ai.djl.ml.xgboost</groupId>-->
-            <artifactId>xgboost</artifactId>
+<!--            <artifactId>xgboost</artifactId>-->
-            <scope>runtime</scope>
+<!--            <scope>runtime</scope>-->
-        </dependency>
+<!--        </dependency>-->
         <dependency>
             <groupId>ai.djl.tensorrt</groupId>
             <artifactId>tensorrt</artifactId>
@@ -281,6 +281,27 @@
                     </execution>
                 </executions>
             </plugin>
+
+            <!-- 让编译/测试插件使用 toolchain 选择的 JDK -->
+            <plugin>
+                <groupId>org.apache.maven.plugins</groupId>
+                <artifactId>maven-toolchains-plugin</artifactId>
+                <version>3.2.0</version>
+                <executions>
+                    <execution>
+                        <goals>
+                            <goal>toolchain</goal>
+                        </goals>
+                        <configuration>
+                            <toolchains>
+                                <jdk>
+                                    <version>1.8</version>
+                                </jdk>
+                            </toolchains>
+                        </configuration>
+                    </execution>
+                </executions>
+            </plugin>
         </plugins>
     </build>
 

smartjavaai-all/pom.xml

@@ -6,11 +6,11 @@
     <parent>
         <groupId>cn.smartjavaai</groupId>
         <artifactId>smartjavaai-parent</artifactId>
-        <version>1.0.22</version>
+        <version>1.0.23</version>
     </parent>
 
     <artifactId>smartjavaai-all</artifactId>
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <name>${project.artifactId}</name>
     <description>SmartJavaAI</description>
     <url>https://github.com/geekwenjie/SmartJavaAI</url>
@@ -55,6 +55,12 @@
             <version>${project.version}</version>
         </dependency>
 
+        <dependency>
+            <groupId>cn.smartjavaai</groupId>
+            <artifactId>smartjavaai-speech</artifactId>
+            <version>${project.version}</version>
+        </dependency>
+
         <!-- 引用所有平台包 -->
 <!--        <dependency>-->
 <!--            <groupId>org.bytedeco</groupId>-->

smartjavaai-bom/pom.xml

@@ -6,10 +6,10 @@
     <parent>
         <groupId>cn.smartjavaai</groupId>
         <artifactId>smartjavaai-parent</artifactId>
-        <version>1.0.22</version>
+        <version>1.0.23</version>
     </parent>
 
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <artifactId>smartjavaai-bom</artifactId>
     <name>smartjavaai-bom</name>
     <description>统一版本管理的 BOM 包，同时支持 import 和全量依赖</description>
@@ -43,6 +43,11 @@
                 <artifactId>smartjavaai-translate</artifactId>
                 <version>${project.parent.version}</version>
             </dependency>
+            <dependency>
+                <groupId>cn.smartjavaai</groupId>
+                <artifactId>smartjavaai-speech</artifactId>
+                <version>${project.parent.version}</version>
+            </dependency>
         </dependencies>
     </dependencyManagement>
 

smartjavaai-common/pom.xml

@@ -6,7 +6,7 @@
     <parent>
         <groupId>cn.smartjavaai</groupId>
         <artifactId>smartjavaai-parent</artifactId>
-        <version>1.0.22</version>
+        <version>1.0.23</version>
     </parent>
 
     <name>smartjavaai-common</name>

smartjavaai-common/src/main/java/cn/smartjavaai/common/config/Config.java

@@ -83,4 +83,5 @@ public class Config {
     }
 
 
+
 }

smartjavaai-common/src/main/java/cn/smartjavaai/common/entity/R.java

@@ -53,7 +53,7 @@ public class R<T> {
     public enum Status {
         SUCCESS(0, "成功"),
         INVALID_IMAGE(1, "图像无效"),
-        FILE_NOT_FOUND(2, "图像文件不存在"),
+        FILE_NOT_FOUND(2, "文件不存在"),
         NO_FACE_DETECTED(3, "未检测到人脸"),
         PARAM_ERROR(4, "参数错误"),
         INVALID_VIDEO(5, "视频无效"),

smartjavaai-face/pom.xml

@@ -6,11 +6,11 @@
     <parent>
         <groupId>cn.smartjavaai</groupId>
         <artifactId>smartjavaai-parent</artifactId>
-        <version>1.0.22</version>
+        <version>1.0.23</version>
     </parent>
 
     <artifactId>smartjavaai-face</artifactId>
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <name>smartjavaai-face</name>
     <description>SmartJavaAI</description>
     <url>https://github.com/geekwenjie/SmartJavaAI</url>

smartjavaai-objectdetection/pom.xml

@@ -6,11 +6,11 @@
     <parent>
         <groupId>cn.smartjavaai</groupId>
         <artifactId>smartjavaai-parent</artifactId>
-        <version>1.0.22</version>
+        <version>1.0.23</version>
     </parent>
 
     <artifactId>smartjavaai-objectdetection</artifactId>
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <name>smartjavaai-objectdetection</name>
     <description>SmartJavaAI</description>
     <url>https://github.com/geekwenjie/SmartJavaAI</url>

smartjavaai-ocr/pom.xml

@@ -6,7 +6,7 @@
     <parent>
         <groupId>cn.smartjavaai</groupId>
         <artifactId>smartjavaai-parent</artifactId>
-        <version>1.0.22</version>
+        <version>1.0.23</version>
     </parent>
 
     <artifactId>smartjavaai-ocr</artifactId>
@@ -42,7 +42,7 @@
         </dependency>
     </dependencies>
 
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <name>smartjavaai-ocr</name>
     <description>SmartJavaAI</description>
     <url>https://github.com/geekwenjie/SmartJavaAI</url>

smartjavaai-ocr/src/main/java/cn/smartjavaai/ocr/model/table/TableRecognizer.java

@@ -36,6 +36,7 @@ import java.awt.image.BufferedImage;
 import java.io.ByteArrayInputStream;
 import java.io.File;
 import java.io.IOException;
+import java.io.OutputStream;
 import java.nio.file.Paths;
 import java.util.*;
 import java.util.List;
@@ -180,6 +181,25 @@ public class TableRecognizer {
         ImageUtils.saveImage(image, savePath);
     }
 
+
+    /**
+     * 绘制表格
+     * @param tableStructureResult
+     * @param image
+     * @return
+     */
+    public BufferedImage drawTable(TableStructureResult tableStructureResult, BufferedImage image){
+        if(Objects.isNull(tableStructureResult) || CollectionUtils.isEmpty(tableStructureResult.getTableTagList())){
+            throw new OcrException("表格结构为空");
+        }
+        for (int i = 0; i < tableStructureResult.getOcrItemList().size(); i++){
+            OcrItem item = tableStructureResult.getOcrItemList().get(i);
+            DetectionRectangle detectionRectangle = item.getOcrBox().toDetectionRectangle();
+            ImageUtils.drawImageRectWithText(image, detectionRectangle, i + "", Color.RED);
+        }
+        return image;
+    }
+
     /**
      * 删除 HTML 中第一个 <style> ... </style> 段落
      * @param html 原始 HTML
@@ -200,17 +220,34 @@ public class TableRecognizer {
         return html.substring(0, styleStart) + html.substring(styleEnd);
     }
 
+
+    /**
+     * 导出 Excel
+     * @param html
+     * @param out
+     */
+    public void exportExcel(String html, OutputStream out){
+        String content = removeStyleBlock(html);
+        content = content.replace("<html><body>", "");
+        content = content.replace("</body></html>", "");
+        try (HSSFWorkbook workbook = ConvertHtml2Excel.table2Excel(content)){
+            workbook.write(out);
+            out.flush();
+        } catch (Exception e) {
+            throw new OcrException("导出excel失败，请检查表结构是否识别正确");
+        }
+    }
+
     /**
      * 导出 Excel
      * @param html
      * @param savePath
      */
     public void exportExcel(String html, String savePath){
-        try {
+        String content = removeStyleBlock(html);
-            String content = removeStyleBlock(html);
+        content = content.replace("<html><body>", "");
-            content = content.replace("<html><body>", "");
+        content = content.replace("</body></html>", "");
-            content = content.replace("</body></html>", "");
+        try (HSSFWorkbook workbook = ConvertHtml2Excel.table2Excel(content)){
-            HSSFWorkbook workbook = ConvertHtml2Excel.table2Excel(content);
             workbook.write(new File(savePath));
         } catch (Exception e) {
             throw new OcrException("导出excel失败，请检查表结构是否识别正确");

smartjavaai-speech/pom.xml

@@ -6,7 +6,7 @@
     <parent>
         <groupId>cn.smartjavaai</groupId>
         <artifactId>smartjavaai-parent</artifactId>
-        <version>1.0.22</version>
+        <version>1.0.23</version>
     </parent>
 
     <artifactId>smartjavaai-speech</artifactId>
@@ -48,16 +48,10 @@
             <artifactId>jave-core</artifactId>
             <version>3.5.0</version>
         </dependency>
-
-        <dependency>
-            <groupId>ws.schild</groupId>
-            <artifactId>jave-nativebin-osxm1</artifactId>
-            <version>3.5.0</version>
-        </dependency>
     </dependencies>
 
 
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <name>smartjavaai-speech</name>
     <description>SmartJavaAI</description>
     <url>https://github.com/geekwenjie/SmartJavaAI</url>
@@ -70,6 +64,15 @@
 
     <build>
         <plugins>
+            <plugin>
+                <groupId>org.apache.maven.plugins</groupId>
+                <artifactId>maven-compiler-plugin</artifactId>
+                <version>3.10.1</version>
+                <configuration>
+                    <source>${maven.compiler.source}</source>
+                    <target>${maven.compiler.target}</target>
+                </configuration>
+            </plugin>
             <plugin>
                 <groupId>org.sonatype.central</groupId>
                 <artifactId>central-publishing-maven-plugin</artifactId>
@@ -129,6 +132,25 @@
                     </execution>
                 </executions>
             </plugin>
+            <plugin>
+                <groupId>org.apache.maven.plugins</groupId>
+                <artifactId>maven-toolchains-plugin</artifactId>
+                <version>3.2.0</version>
+                <executions>
+                    <execution>
+                        <goals>
+                            <goal>toolchain</goal>
+                        </goals>
+                        <configuration>
+                            <toolchains>
+                                <jdk>
+                                    <version>11</version>
+                                </jdk>
+                            </toolchains>
+                        </configuration>
+                    </execution>
+                </executions>
+            </plugin>
         </plugins>
     </build>
 

smartjavaai-speech/src/main/java/cn/smartjavaai/speech/asr/config/AsrModelConfig.java

@@ -4,7 +4,10 @@ import cn.smartjavaai.common.config.ModelConfig;
 import cn.smartjavaai.speech.asr.enums.AsrModelEnum;
 import lombok.Data;
 
+import java.nio.file.Path;
+
 /**
+ * Asr模型配置
  * @author dwj
  * @date 2025/7/31
  */
@@ -14,4 +17,9 @@ public class AsrModelConfig extends ModelConfig {
     private AsrModelEnum modelEnum;
 
     private String modelPath;
+
+    /**
+     * 依赖库目录
+     */
+    private Path libPath;
 }

smartjavaai-speech/src/main/java/cn/smartjavaai/speech/asr/entity/VoskParams.java

@@ -12,19 +12,9 @@ import lombok.Data;
 public class VoskParams extends RecParams{
 
     /**
-     * 最大候选结果数
+     * 限定词汇表
-     */
-    private int maxAlternatives;
-
-    /**
-     * 限定词汇表 例：["yes", "no", "hello"]
      */
     private String grammar;
 
-    /**
-     * 是否返回词级别的识别结果（包含每个词的开始/结束时间和置信度）。
-     */
-    private boolean words = true;
-
 
 }

smartjavaai-speech/src/main/java/cn/smartjavaai/speech/asr/factory/SpeechRecognizerFactory.java

@@ -0,0 +1,103 @@
+package cn.smartjavaai.speech.asr.factory;
+
+import cn.smartjavaai.common.config.Config;
+import cn.smartjavaai.speech.asr.config.AsrModelConfig;
+import cn.smartjavaai.speech.asr.enums.AsrModelEnum;
+import cn.smartjavaai.speech.asr.exception.AsrException;
+import cn.smartjavaai.speech.asr.model.SpeechRecognizer;
+import cn.smartjavaai.speech.asr.model.VoskRecognizer;
+import cn.smartjavaai.speech.asr.model.WhisperRecognizer;
+import lombok.extern.slf4j.Slf4j;
+
+import java.util.Map;
+import java.util.Objects;
+import java.util.concurrent.ConcurrentHashMap;
+
+/**
+ * 语音识别模型工厂
+ * @author dwj
+ */
+@Slf4j
+public class SpeechRecognizerFactory {
+
+    // 使用 volatile 和双重检查锁定来确保线程安全的单例模式
+    private static volatile SpeechRecognizerFactory instance;
+
+    /**
+     * 模型缓存
+     */
+    private static final ConcurrentHashMap<AsrModelEnum, SpeechRecognizer> modelMap = new ConcurrentHashMap<>();
+
+    /**
+     * 模型注册表
+     */
+    private static final Map<AsrModelEnum, Class<? extends SpeechRecognizer>> registry =
+            new ConcurrentHashMap<>();
+
+
+    public static SpeechRecognizerFactory getInstance() {
+        if (instance == null) {
+            synchronized (SpeechRecognizerFactory.class) {
+                if (instance == null) {
+                    instance = new SpeechRecognizerFactory();
+                }
+            }
+        }
+        return instance;
+    }
+
+
+
+    /**
+     * 注册模型
+     * @param expressionModelEnum
+     * @param clazz
+     */
+    private static void registerModel(AsrModelEnum expressionModelEnum, Class<? extends SpeechRecognizer> clazz) {
+        registry.put(expressionModelEnum, clazz);
+    }
+
+
+    /**
+     * 获取模型（通过配置）
+     * @param config
+     * @return
+     */
+    public SpeechRecognizer getModel(AsrModelConfig config) {
+        if(Objects.isNull(config) || Objects.isNull(config.getModelEnum())){
+            throw new AsrException("未配置语音识别模型枚举");
+        }
+        return modelMap.computeIfAbsent(config.getModelEnum(), k -> {
+            return createFaceModel(config);
+        });
+    }
+
+    /**
+     * 使用ModelConfig创建模型
+     * @param config
+     * @return
+     */
+    private SpeechRecognizer createFaceModel(AsrModelConfig config) {
+        Class<?> clazz = registry.get(config.getModelEnum());
+        if(clazz == null){
+            throw new AsrException("Unsupported model");
+        }
+        SpeechRecognizer model = null;
+        try {
+            model = (SpeechRecognizer) clazz.newInstance();
+        } catch (InstantiationException | IllegalAccessException e) {
+            throw new AsrException(e);
+        }
+        model.loadModel(config);
+        return model;
+    }
+
+
+    // 初始化默认算法
+    static {
+        registerModel(AsrModelEnum.WHISPER, WhisperRecognizer.class);
+        registerModel(AsrModelEnum.VOSK, VoskRecognizer.class);
+        log.debug("缓存目录：{}", Config.getCachePath());
+    }
+
+}

smartjavaai-speech/src/main/java/cn/smartjavaai/speech/asr/model/VoskRecognizer.java

@@ -13,9 +13,6 @@ import cn.smartjavaai.speech.asr.pool.WhisperStatePool;
 import cn.smartjavaai.speech.utils.AudioUtils;
 import com.google.gson.JsonArray;
 import com.google.gson.JsonObject;
-import io.github.givimad.whisperjni.WhisperContext;
-import io.github.givimad.whisperjni.WhisperJNI;
-import io.github.givimad.whisperjni.WhisperState;
 import lombok.extern.slf4j.Slf4j;
 import org.apache.commons.lang3.StringUtils;
 import org.vosk.LibVosk;
@@ -39,6 +36,8 @@ import java.nio.file.Path;
 import java.nio.file.Paths;
 import java.util.ArrayList;
 import java.util.List;
+import java.util.Objects;
+import java.util.stream.Collectors;
 
 import static ai.djl.util.JsonUtils.GSON;
 
@@ -61,6 +60,10 @@ public class VoskRecognizer implements SpeechRecognizer{
             throw new AsrException("Missing model file: " + testModelPath.toAbsolutePath());
         }
         try {
+            //加载自定义依赖库
+            if(Objects.nonNull(config.getLibPath())){
+                System.load(config.getLibPath().toAbsolutePath().toString());
+            }
             model = new Model(config.getModelPath());
             LibVosk.setLogLevel(LogLevel.DEBUG);
             log.debug("Vosk init success");
@@ -86,7 +89,7 @@ public class VoskRecognizer implements SpeechRecognizer{
         return recognize(audioStream, new VoskParams());
     }
 
-    private R<AsrResult> recognizeAudioStream(AudioInputStream ais,RecParams params) {
+    private R<AsrResult> recognizeAudioStream(AudioInputStream ais, RecParams params) {
         try (Recognizer recognizer = buildRecognizer(params, ais.getFormat().getSampleRate())){
             AudioFormat audioFormat = ais.getFormat();
             log.debug("sampleRate:{}", audioFormat.getSampleRate());
@@ -95,14 +98,49 @@ public class VoskRecognizer implements SpeechRecognizer{
             byte[] b = new byte[4096];
             List<AsrSegment> segments = new ArrayList<AsrSegment>();
             StringBuilder text = new StringBuilder();
+            String temp = "";
             while ((nbytes = ais.read(b)) >= 0) {
                 if (recognizer.acceptWaveForm(b, nbytes)) {
                     String result = recognizer.getResult();
-                    AsrSegment segment = parseSegment(result);
+//                    log.info("result:{}", result);
-                    segments.add(segment);
+                    AsrSegment segment = parseSegment(result, params);
+                    if(segment != null){
+                        segments.add(segment);
+                        text.append(segment.getText());
+                    }
+                }else{
+                    temp = recognizer.getPartialResult();
+//                    log.info("temp:{}", temp);
                 }
             }
-            return R.ok(new AsrResult(text.toString(), segments));
+            if(StringUtils.isNotBlank(temp)){
+                AsrSegment segment = parsePartialSegment(temp, params);
+                if(segment != null){
+                    segments.add(segment);
+                    text.append(segment.getText());
+                }
+            }
+            //补全结果
+            String finalText = recognizer.getFinalResult();
+            if(StringUtils.isNotBlank(text.toString()) && StringUtils.isNotBlank(finalText)){
+                AsrSegment finalSegment = parseSegment(finalText, params);
+                if(finalSegment != null){
+                    //需要补全
+                    if(!text.toString().endsWith(finalSegment.getText())){
+                        AsrSegment alignSegment = VoskRecognizer.alignSegment(segments.get(segments.size() - 1), finalSegment);
+                        //如果匹配失败，则直接使用最终片段
+                        if(alignSegment != null){
+                            segments.set(segments.size() - 1,alignSegment);
+                        }else{
+                            segments.set(segments.size() - 1,finalSegment);
+                        }
+                    }
+                }
+            }
+            String result = segments.stream()
+                    .map(AsrSegment::getText)
+                    .collect(Collectors.joining("\n"));
+            return R.ok(new AsrResult(result, segments));
         } catch (IOException e) {
             throw new AsrException(e);
         }
@@ -113,18 +151,65 @@ public class VoskRecognizer implements SpeechRecognizer{
      * @param segment
      * @return
      */
-    private AsrSegment parseSegment(String segment) {
+    private AsrSegment parseSegment(String segment, RecParams params) {
         JsonObject json = GSON.fromJson(segment, JsonObject.class);
         JsonArray resultArray = json.getAsJsonArray("result");
+        if(Objects.isNull(resultArray) || resultArray.size() == 0){
+            return null;
+        }
         double segmentStart = resultArray.get(0).getAsJsonObject().get("start").getAsDouble();
         double segmentEnd = resultArray.get(resultArray.size() - 1).getAsJsonObject().get("end").getAsDouble();
         long startMs = Math.round(segmentStart * 1000);
         long endMs = Math.round(segmentEnd * 1000);
         String text = json.get("text").getAsString();
-        String noSpaces = text.replace(" ", "");
+        if(Objects.nonNull(params.getLanguage()) && params.getLanguage() == Language.ZH){
-        return new AsrSegment(noSpaces, startMs, endMs);
+            text = text.replace(" ", "");
+        }
+        return new AsrSegment(text, startMs, endMs);
     }
 
+    /**
+     * 解析结果
+     * @param segment
+     * @return
+     */
+    private AsrSegment parsePartialSegment(String segment, RecParams params) {
+        JsonObject json = GSON.fromJson(segment, JsonObject.class);
+        JsonArray resultArray = json.getAsJsonArray("partial_result");
+        if(Objects.isNull(resultArray) || resultArray.size() == 0){
+            return null;
+        }
+        double segmentStart = resultArray.get(0).getAsJsonObject().get("start").getAsDouble();
+        double segmentEnd = resultArray.get(resultArray.size() - 1).getAsJsonObject().get("end").getAsDouble();
+        long startMs = Math.round(segmentStart * 1000);
+        long endMs = Math.round(segmentEnd * 1000);
+        String text = json.get("partial").getAsString();
+        if(Objects.nonNull(params.getLanguage()) && params.getLanguage() == Language.ZH){
+            text = text.replace(" ", "");
+        }
+        return new AsrSegment(text, startMs, endMs);
+    }
+
+    /**
+     * 补全
+     * @param shortSeg
+     * @param longSeg
+     * @return
+     */
+    public static AsrSegment alignSegment(AsrSegment shortSeg, AsrSegment longSeg) {
+        String shortText = shortSeg.getText();
+        String longText = longSeg.getText();
+
+        int index = longText.indexOf(shortText);
+        if (index == -1) {
+//            log.debug("短文本不在长文本中");
+            return null;
+        }
+        String resultText = longText.substring(index);
+        return new AsrSegment(resultText, shortSeg.getStartTime(), longSeg.getEndTime());
+    }
+
+
     /**
      * 创建识别器
      * @param params
@@ -146,8 +231,8 @@ public class VoskRecognizer implements SpeechRecognizer{
 //        }
         //暂时只支持返回一个结果
 //        recognizer.setMaxAlternatives(1);
-        recognizer.setWords(voskParams.isWords());
+        recognizer.setWords(true);
-        //recognizer.setPartialWords(true);
+        recognizer.setPartialWords(true);
         return recognizer;
     }
 
@@ -187,6 +272,7 @@ public class VoskRecognizer implements SpeechRecognizer{
             tryStream = new BufferedInputStream(new ByteArrayInputStream(allBytes));
             conversionStream = new BufferedInputStream(new ByteArrayInputStream(allBytes));
             ais = AudioSystem.getAudioInputStream(tryStream);
+            return recognizeAudioStream(ais, params);
         } catch (UnsupportedAudioFileException e) {
             log.debug("Unsupported Audio file, Conversion to WAV is required");
             needConversion = true;
@@ -207,6 +293,7 @@ public class VoskRecognizer implements SpeechRecognizer{
         if(needConversion){
             try {
                 tempFile = AudioUtils.audioFormatConversion(conversionStream, "wav");
+//                log.info("tempFile:{}", tempFile.getAbsolutePath());
             } catch (EncoderException | IOException e) {
                 throw new AsrException(e);
             }
@@ -228,7 +315,7 @@ public class VoskRecognizer implements SpeechRecognizer{
                 }
             }
         }
-        return recognizeAudioStream(ais, params);
+        return R.fail(R.Status.Unknown);
     }
 
     @Override

smartjavaai-speech/src/main/java/cn/smartjavaai/speech/asr/model/WhisperRecognizer.java

@@ -51,6 +51,10 @@ public class WhisperRecognizer implements SpeechRecognizer{
             throw new AsrException("Missing model file: " + testModelPath.toAbsolutePath());
         }
         try {
+            //加载自定义依赖库
+            if(Objects.nonNull(config.getLibPath())){
+                System.setProperty("io.github.givimad.whisperjni.libdir",config.getLibPath().toAbsolutePath().toString());
+            }
             WhisperJNI.loadLibrary();
             WhisperJNI.setLibraryLogger(null);
             whisper = new WhisperJNI();
@@ -116,6 +120,9 @@ public class WhisperRecognizer implements SpeechRecognizer{
         StringBuilder text = new StringBuilder();
         try {
             WhisperParams whisperParams = (WhisperParams) params;
+            if(Objects.isNull(whisperParams.getParams().language)){
+                return R.fail(1003, "请指定语言");
+            }
             //不是英语，需要检查是否是多语言模型
             if(!Language.EN.getCode().equals(whisperParams.getParams().language)){
                 if(!whisper.isMultilingual(ctx)){
@@ -190,7 +197,7 @@ public class WhisperRecognizer implements SpeechRecognizer{
      * 获取一个WhisperState对象
      * @return
      */
-    private WhisperState getWhisperState(){
+    public WhisperState getWhisperState(){
         try {
             return statePool.borrowObject();
         } catch (Exception e) {

smartjavaai-translate/pom.xml

@@ -20,7 +20,7 @@
         </dependency>
     </dependencies>
 
-    <version>1.0.22</version>
+    <version>1.0.23</version>
     <name>smartjavaai-translate</name>
     <description>SmartJavaAI</description>
     <url>https://github.com/geekwenjie/SmartJavaAI</url>