一、本周工作概述

本周主要完成了以下三项核心工作：

1. 云数据库申请与配置：为项目后续的健康评估模块准备数据环境

2. 大模型 API 迁移：从 DashScope通义千问迁移至 SophNet 平台 Qwen-max

3. 音频特征提取优化：将原始声学数值转换为模型易理解的自然语言描述

二、云数据库申请与配置

在腾讯云申请 MySQL 实例：

• 外网开启

• 验证连接成功并在环境内完成数据表初始设置：

三、大模型API 迁移

1.API配置

SophNet 提供 OpenAI 兼容的 API 格式，支持通义千问、DeepSeek、GLM 等多种模型。

# backend/config.py
class Config:
    # SophNet 平台配置
    SOPHNET_API_KEY = "新API Key"
    SOPHNET_BASE_URL = "https://www.sophnet.com/api/open-apis/v1"

2.客户端封装

    def __init__(self, model="qwen-turbo"):
        self.model = model
        self.api_key = Config.SOPHNET_API_KEY
        self.api_url = "https://www.sophnet.com/api/open-apis/v1/chat/completions"

        self.prompt_template = """
        你是专业的宠物情绪分析专家。请根据下面的音频特征分析宠物的情绪状态。

        {features}

        【判断规则】
        1. 情绪类型只能从【兴奋、焦虑、痛苦、平静】中选择一个
        2. 置信度：0-1之间，越接近1越确定
        3. 分析依据：结合特征描述说明为什么这样判断

        【判断参考】
        - 音量很大 + 音调剧烈波动 + 声音尖锐 → 可能是兴奋或痛苦
        - 声音变化非常快 + 音调波动明显 + 音色剧烈变化 → 可能是焦虑
        - 音量低 + 声音平稳 + 变化缓慢 → 可能是平静

        只返回标准JSON，格式如下：
        {{"emotion": "情绪", "confidence": 0.xx, "analysis": "分析依据"}}
        """.strip()

3.情绪分析器重构

    def analyze(self, audio_features):
        prompt = self.prompt_template.format(features=audio_features)

        headers = {
            "Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json",
            "User-Agent": "curl/7.68.0",  # 新增：伪装成 curl
            "Accept": "application/json",
        }

        data = {
            "model": self.model,
            "messages": [{"role": "user", "content": prompt}]
        }

        try:
            response = requests.post(self.api_url, headers=headers, json=data, timeout=20)

            # ---------- 新增调试信息开始 ----------
            print(f"[DEBUG] API 响应状态码: {response.status_code}")
            if response.status_code != 200:
                print(f"[DEBUG] API 错误响应内容: {response.text}")
            # ---------- 新增调试信息结束 ----------

            if response.status_code != 200:
                # 这里把错误信息原样抛出，方便上层看到
                raise RuntimeError(f"API 请求失败，状态码: {response.status_code}, 响应: {response.text}")

            resp = response.json()
            content = resp["choices"][0]["message"]["content"].strip()

            # 清理格式
            if content.startswith("```json"):
                content = content.lstrip("```json").rstrip("```").strip()
            elif content.startswith("```"):
                content = content.lstrip("```").rstrip("```").strip()

            result = json.loads(content)
            print(f"[DEBUG] 解析成功，情绪结果: {result}")  # 打印成功结果
            return result

        except Exception as e:
            # 打印完整的异常堆栈，方便定位问题
            import traceback
            traceback.print_exc()
            raise RuntimeError(f"情绪分析失败：{str(e)}")

四、音频特征提取优化

1.优化前的问题

原特征提取器直接输出原始数值：

MFCC前5维均值：[-364.6, 59.1, -29.2, -4.8, 11.4]
能量均值：0.0423
过零率均值：0.1683

通用大模型无法理解这些声学数值的含义，导致无法做出有效判断，所以迁移后模型返回的情绪结果全部相同（均为“平静”）。

2.优化方案

新增自然语言转换层，将数值映射为可读描述：

# 能量描述
if energy_mean < 0.02:
    energy_desc = "音量很低，声音微弱"
elif energy_mean < 0.05:
    energy_desc = "音量适中，正常响度"
elif energy_mean < 0.1:
    energy_desc = "音量较大，声音明显"
else:
    energy_desc = "音量很大，声音响亮"

3.优化后输出示例

4.进一步优化

原先的模型对特征值识别分析效果有待进一步提高，所以我继续对比了qwen其他大模型对提取出的特征值的情绪分析效果，最终决定选用qwen-max实现预期效果：

 def __init__(self, model="qwen-max"):
        self.model = model
        self.api_key = Config.SOPHNET_API_KEY
        self.api_url = "https://www.sophnet.com/api/open-apis/v1/chat/completions"

        self.prompt_template = """
        你是专业的宠物情绪分析专家。请根据下面的音频特征分析宠物的情绪状态。

        {features}

        【判断规则】
        1. 情绪类型只能从【兴奋、焦虑、痛苦、平静】中选择一个
        2. 置信度：0-1之间，越接近1越确定
        3. 分析依据：结合特征描述说明为什么这样判断

        【判断参考】
        - 音量很大 + 音调剧烈波动 + 声音尖锐 → 可能是兴奋或痛苦
        - 声音变化非常快 + 音调波动明显 + 音色剧烈变化 → 可能是焦虑
        - 音量低 + 声音平稳 + 变化缓慢 → 可能是平静

        只返回标准JSON，格式如下：
        {{"emotion": "情绪", "confidence": 0.xx, "analysis": "分析依据"}}
        """.strip()

之后也将继续对比其他模型并不断训练，找出能力范围内最优的模型。

五、错误处理与调试

错误一：

现象：无论上传什么音频文件，模型都返回相同结果。

排查过程：

步骤	操作	结果
1	打印 API 响应状态码	200，请求成功
2	打印请求的 prompt 内容	确认特征数据已正确传入
3	用不同音频测试，打印特征数据	每次特征数据确实不同
4	在 audio.py 中添加特征打印	确认特征提取器工作正常
5	直接复制特征数据到平台 Web 界面测试	模型仍返回“平静”

根因：
通用大语言模型无法理解原始声学数值。模型看到 np.float32(-364.6261) 这种数字时，不知道这意味着什么，只能返回最“安全”的默认结果。

解决方案：
将原始数值转换为自然语言描述。

错误二：API 请求返回 500 错误

现象：平台提供的 curl 命令可以正常调用，Python requests 调用返回 HTTP 500。

排查过程：

添加调试日志，打印请求和响应详情：

print(f"[DEBUG] 请求 URL: {self.api_url}")
print(f"[DEBUG] 请求头: {headers}")
print(f"[DEBUG] 响应状态码: {response.status_code}")
print(f"[DEBUG] 响应内容: {response.text}")

对比curl和 requests 的差异：

curl 有 User-Agent: curl/7.68.0，requests 默认是 User-Agent: python-requests/2.x.x。

根因：
SophNet API 网关对 User-Agent 头有检查，拒绝了 Python 默认的请求头。

解决方案：
在请求头中伪装成 curl：

headers = {
    "Authorization": f"Bearer {self.api_key}",
    "Content-Type": "application/json",
    "User-Agent": "curl/7.68.0",  # 关键修复
}

六、运行效果验证

• 前端 Demo 可完整调通

• 音频上传 → 特征提取 → Qwen-Turbo 分析 → 前端展示

七、下周计划

• 对接腾讯云 MySQL 健康评估记录存储

• 完成历史记录模块前后端联调

• 开始养护建议生成功能开发

八、总结

本周完成了 API 迁移、特征提取优化等关键技术工作。核心收获是认识到：通用大模型无法直接理解原始声学数据，需要将数据“翻译”成模型能理解的自然语言。

目前系统已具备完整的音频上传 → 特征提取 → 情绪识别链路，为后续健康评估模块的开发奠定了基础。