model = AutoModel(    model="./workspace/official_models/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch",    model_revision="v2.0.4",    vad_model="./workspace/official_models/speech_fsmn_vad_zh-cn-16k-common-pytorch",    vad_model_revision="v2.0.4",    punc_model="./workspace/official_models/punc_ct-transformer_zh-cn-common-vocab272727-pytorch",    punc_model_revision="v2.0.4",    spk_model = "./workspace/official_models/speech_campplus_sv_zh-cn_16k-common",    spk_model_revision="v2.0.2",    disable_update=True)

def separate_channels(wav_path: str):    """读取双声道音频，分离为两个单声道 numpy 数组"""    audio, sample_rate = sf.read(wav_path)  # shape: [samples, channels]    if audio.ndim != 2 or audio.shape[1] != 2:        raise ValueError("音频不是双声道格式！")    return audio[:, 0], audio[:, 1], sample_rate

def recognize_with_model(audio: np.ndarray, sample_rate: int) -> List[Dict]:    """使用 FunASR 识别语音"""    result = model.generate(        input=audio,        input_fs=sample_rate,        hotword=None,        return_dict=True    )    return result[0]["sentence_info"]

def merge_dialogues(cust_segments, agent_segments) -> List[Dict]:    """按起止时间戳排序合并对话"""    all_segs = [        {"role": "客户", **seg} for seg in cust_segments    ] + [        {"role": "客服", **seg} for seg in agent_segments    ]    dialogue_data = sorted(all_segs, key=lambda x: x["start"])    return dialogue_data

def process_bichannel_wav(wav_path: str):    print(f"处理文件：{wav_path}")    # ====================声道分离================    cust_audio, agent_audio, sr = separate_channels(wav_path)    # ====================语音识别================    result_cust = recognize_with_model(cust_audio, sr)    result_agent = recognize_with_model(agent_audio, sr)    # ====================组装对话================    dialogue = merge_dialogues(result_cust, result_agent)    # ====================打印最终合并结果================    for turn in dialogue:        start_sec = turn["start"] / 1000        end_sec = turn["end"] / 1000        print(f"[{start_sec:.2f}s - {end_sec:.2f}s] {turn['role']}：{turn['text']}")    return dialogue

if __name__ == "__main__":    # 传入一个双声道的客服录音    wav_file = "test.wav"    process_bichannel_wav(wav_file)

def merge_dialogues(cust_segments, agent_segments) -> List[Dict]:    """按起止时间戳排序合并对话"""    all_segs = [        {"role": "客户", **seg} for seg in cust_segments    ] + [        {"role": "客服", **seg} for seg in agent_segments    ]    dialogue_data = sorted(all_segs, key=lambda x: x["start"])    merged_data = []    for role, group in itertools.groupby(dialogue_data, key=lambda x: x['role']):        group_list = list(group)        merged_entry = {            'role': role,            'text': ''.join(entry['text'] for entry in group_list),            'start': group_list[0]['start'],            'end': group_list[-1]['end'],            'timestamp': [ts for entry in group_list for ts in entry['timestamp']],            'spk': group_list[0]['spk']        }        merged_data.append(merged_entry)    return merged_data