Media API
src.app.plugin_system.api.media_api 提供媒体识别（图片、表情包、语音）和信息管理。
所有函数均为异步函数，调用时需 await。media_type 取 "image"、"emoji" 或 "voice"：image / emoji 走 VLM 识别，voice 走 ASR 识别并落盘到 voices 目录。
导入
python
from src.app.plugin_system.api.media_api import (
recognize_media,
recognize_batch,
save_media_info,
get_media_info,
)函数
recognize_media(base64_data: str, media_type: str, use_cache: bool = True) -> str | None
识别单张图片、表情包或语音。按 media_type 路由到对应识别引擎：image / emoji 走 VLM，voice 走 ASR（音频为 WAV，识别后落盘到 voices 目录）。
base64_data: Base64 编码的媒体内容（语音为 WAV）media_type: 媒体类型，取"image"、"emoji"或"voice"use_cache: 是否使用缓存- 返回: 识别结果文本，未识别则返回
None
python
result = await recognize_media(b64_data, "image")
voice_text = await recognize_media(wav_b64, "voice")recognize_batch(media_list: list[tuple[str, str]], use_cache: bool = True) -> list[tuple[int, str | None]]
批量识别，支持混合 image / emoji / voice 类型。
media_list:(base64_data, media_type)元组列表，必须是非空列表use_cache: 是否使用缓存- 返回: 识别结果列表，包含索引与识别文本
save_media_info(media_hash: str, media_type: str, file_path: str | None = None, description: str | None = None, vlm_processed: bool = False) -> None
保存媒体信息到数据库。按 media_type 路由：image / emoji 写入 Images 表，voice 写入 Voices 表。
media_hash: 媒体哈希（语音时即 voice_hash）media_type: 媒体类型file_path: 文件路径，可选description: 媒体描述（语音时为 ASR 文本），可选vlm_processed: 是否已完成识别；语音时映射为asr_processed
get_media_info(media_hash: str) -> dict[str, Any] | None
根据哈希值或路径获取媒体信息。依次查询 Images 与 Voices 表，命中即返回。
media_hash: 媒体哈希或文件路径- 返回: 媒体信息字典，未找到则返回
None
返回字典根据命中表不同，可能包含以下字段：
Images 命中（图片 / 表情包）：
| 字段 | 说明 |
|---|---|
id | 记录 ID |
image_id | 图片 ID |
path | 文件路径 |
type | 媒体类型 |
description | 媒体描述 |
count | 出现次数 |
timestamp | 时间戳 |
vlm_processed | 是否已完成 VLM 识别 |
Voices 命中（语音）：
| 字段 | 说明 |
|---|---|
id | 记录 ID |
voice_id | 语音 ID |
path | 文件路径 |
type | 媒体类型 |
description | 语音描述（ASR 文本） |
count | 出现次数 |
timestamp | 时间戳 |
asr_processed | 是否已完成 ASR 识别 |
贡献者
minecraft1024a micraft1024a
Windpicker-owo