FunASR

最新推荐文章于 2025-04-08 01:15:10 发布
最新推荐文章于 2025-04-08 01:15:10 发布
阅读量778 收藏 12
点赞数 27
分类专栏： 大模型 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Jailman/article/details/146600261
版权

FunASR是由阿里巴巴达摩院开发的开源语音识别工具包，旨在搭建学术研究与工业应用之间的桥梁。

在这里插入图片描述

一、核心功能与技术亮点

  1. 多模态语音处理能力
    FunASR支持语音识别（ASR）、语音端点检测（VAD）、标点恢复、说话人分离与验证、多人对话识别等全链路功能。例如，其离线模式可处理长达数十小时的长音频，输出带标点、字级时间戳的文本，并支持自定义热词优化。相比Whisper等模型，FunASR在中文标点恢复和术语适配上表现更优。

  2. 高性能模型架构

    • Paraformer模型：采用非自回归（NAR）设计，单步推理速度比传统自回归模型快5倍以上，同时支持时间戳预测和热词定制。例如，医疗场景中可通过热词增强术语识别准确率。
    • FSMN-VAD与CT-Transformer：语音活动检测模型（FSMN-VAD）和标点恢复模型（CT-Transformer）基于工业级语料训练，显著提升长音频处理效率。

  3. 实时与离线协同模式
    提供三种服务模式：实时听写（online）、离线转写（offline）和混合协同（2pass），满足直播、会议记录等场景需求。例如，实时模式首包延迟可低至3秒。

二、应用场景与案例

  1. 泛用场景

    • 音视频转文字：支持本地/在线音视频文件一键转写为带标点的SRT字幕，30分钟视频仅需15秒完成处理。
    • 数字人交互：集成于实时对话系统（如阿里ModelScope数字人），实现语音输入与流式视频输出，适用于直播、客服等场景。

  2. 垂直领域适配

    • 医疗领域：结合医学知识图谱，优化术语识别（如“血糖”“血压”），并通过方言隐空间映射提升口音适应性。
    • 教育/会议：多人对话分离功能可区分不同说话者，适用于课堂录音或跨国会议记录。

三、部署与开发灵活性

  1. 跨平台支持
    提供Docker镜像、Python API及C++/HTML5接口，支持CPU、GPU（ONNX/TensorRT加速）和移动端部署。例如，通过Docker可快速搭建服务端，映射端口实现API调用。

  2. 开发者工具链

    • 快速启动：Python调用示例（5行代码完成语音转写）：
      from funasr import AutoModel
model = AutoModel(model="paraformer-zh")
res = model.generate(input="audio.wav")
print(res[0]['text'])  # 输出带标点文本
    • 微调与扩展：支持少量领域数据微调预训练模型，例如医疗语音数据优化识别准确率。

四、资源与社区支持

  1. 开源生态
    模型和教程发布于GitHub与ModelScope魔搭社区，提供免费离线模型及在线体验平台。

  2. 性能对比

    功能FunASR优势典型对比案例
    中文标点恢复精确率超Whisper 15%影视字幕生成
    长音频处理支持百路并发转写电话录音批量分析
    工业级部署内存占用低至2GB（VAD+ASR）嵌入式设备集成

五、总结

FunASR凭借全链路功能、工业级性能及灵活的部署方式，已成为语音识别领域的标杆工具。其开源生态和持续更新（如2025年新增粤语/韩语支持）进一步降低了技术落地门槛。开发者可通过ModelScope快速体验，或参考官方文档深入定制行业解决方案。

FunASR 框架使用；api服务搭建
weixin_42357472的博客
03-26 2256
参考：安装版本：funasr 1.0.191、解耦modelscope版本限制（不再需要更新版本），所有模型不再需要指定model_revision，自动下载最新模型资源。2、根据模型自动安装该模型的三方依赖包，不再需要用户手动去安装了。
FunASR 语音识别系统概述
contributed_l的博客
03-30 9060
FunASR（A Fundamental End-to-End Speech Recognition Toolkit）是一个基础的语音识别工具包，提供多种功能，包括等。
【FunASR的详解和使用】
放飞自我的coder
02-05 1205
FunASR是一个由阿里巴巴达摩院开发的开源语音识别工具包，旨在为学术研究和工业应用提供桥梁。它支持多种语音识别功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别。FunASR提供了便捷的脚本和教程，支持预训练模型的推理与微调，帮助用户快速构建高效的语音识别服务。支持各种音视频格式输入，可以把几十个小时的长音频与视频识别成带标点的文字，支持上百路请求同时进行转写 支持中文、英文、日文、粤语和韩语等。
使用阿里funasr作为freeswitch的ASR语音识别服务
livepy的博客
09-06 4813
要使用unimrcp 必须先编译一个正常的unimrcpserver ，再修改里面的asr语音识别模块。
FunASR语音转文字本地部署、API接口教程
最新发布
chui_yu666的博客
04-08 2095
首次运行会下载模型文件，模型文件会被下载到当前电脑用户的**.cache/modelscope/hub/iic**文件夹中。当然，也可以手动下载模型并放到这个目录下，如果手动下载模型的话，就不需要执行这一步了。FunASR的部署可以使用Docker，有关Docker的部署教程就很多了，一搜就是一大堆，我就不写了。阿里新开源的FunASR仓库（语音转文字），识别速度快，精度高。修改代码中的要识别的wav文件路径，然后运行这个test.py，我们需要的是最后的白色文本，这才是对音频文件的识别结果。
FunASR：语音识别集成工具箱
CITY_OF_MO_GY的博客
02-19 2409
FunASR是阿里巴巴达摩院开源的一款轻量级语音识别工具包，旨在为开发者提供高效、易用的语音处理解决方案。它集成了多种先进的语音识别技术和模型，支持语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等功能；任务名称主要目标应用场景技术特点ASR将语音转为文本字幕生成、语音助手声学模型+语言模型VAD检测语音活动语音信号预处理时间域或频域特征分析标点恢复添加标点符号自动化文本生成上下文语义理解说话人验证确认语音归属。
阿里 FunASR 开源中文语音识别大模型应用示例（准确率比faster-whisper高）
心若有所向往，何惧道阻且长。
03-30 1048
FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和教程，支持预训练好的模型的推理与微调。 我们在ModelScope与huggingface上发布了大量开源数据集或者海量工业数据训练的模型，可以通过我们的模型仓库了解模型的详细信息。代表性的Paraformer非自回归端到端语音识别模型具有高精度、高效率、便捷部署的优点，支持快速构建语音识别服务，详细信息可以阅读(服
FastGPT 通过js方式接入Funasr 语音转文字
yixiuquan的博客
04-28 2381
由于要把funasr调用嵌入fastgpt，fastgpt前端代码是typescript编写的，所以去示例funasr_samples项目中的html目录下，查看他的js示例代码，并截取代码放入ts中。以下是修改后的JS代码： 没做详细精简，js代码仅仅是截取了例子中的发送websocket代码，并修改代码为异步代码，使其可以在获取ws返回结果后可以将数据返回给ts调用者。将以上代码放入一个js文件中，并将这个js文件复制到fastgpt中，并在useSpeech.ts中引入。
FunASR：阿里巴巴开源的语音识别工具包，提供预训练模型与详细教程，一键部署多场景应用.
士多啤梨先生の博客
10-18 2559
FunASR是由阿里巴巴开源的语音识别工具包，支持语音识别、语音活动检测、标点恢复等功能。提供预训练模型和易用接口，可快速部署。本文介绍其功能、技术原理及安装教程，附运行示例。
离线部署funasr
weixin_47046791的博客
05-23 3008
例如，将 my_image:tag 保存为 my_image.tar。2.当前funasr-runtime-sdk-cpu-0.4.5在centos上运行不起来，在ubuntu系统上按照原始文档说明安装成功。5.在无网络环境中的目标机器上，使用 docker load 命令加载之前保存的 tar 归档文件并导入镜像。3.将ubuntu系统上docker镜像打包以及模型copy迁移到离线的centos机器上。4.将 tar 归档文件传输到无网络环境中的目标机器。1.在已有的可以运行的docker打包。
funasr-wss-client.cpp
11-02
由于文件名中出现了“funasr-wss-client.cpp”，我们可以推断这可能是一个C++源代码文件，涉及到“funasr”、“wss”和“client”这三个关键字。 首先，“funasr”可能是一个项目名称、库名称或者是某种特定技术的...
FunASR简化的源码
03-03
FunASR简化的源码是一种开源的自动语音识别（Automatic Speech Recognition，ASR）工具包。ASR技术是人工智能领域中重要的研究方向之一，它能够让计算机系统通过软件理解和解析人类的语音，从而实现语音到文本的转换...
开源语音识别 funasr windows版本二进制包
11-15
Funasr是一款开源的语音识别软件，专为Windows操作系统设计，并提供了二进制包供用户直接使用。这款软件的核心优势在于其开放源代码，允许开发者深入研究和定制化，以满足特定的应用场景需求。 在描述中提到，如果...
基于funasr+pyaudio实现电脑本地麦克风实时语音识别项目语音转文本python源码
07-29
funasr==1.1.4 modelscope==1.16.1 PyAudio ==0.2.14 【视频演示】 https://www.bilibili.com/video/BV1Pb42177Bw/ 【博文地址】 https://blog.csdn.net/FL1623863129/article/details/140764071
调研funasr时间戳返回时间坐标效果可用性
10-24
在进行funasr时间戳返回时间坐标效果的可用性调研时，首先需要明确funasr系统的作用和工作原理。Funasr是一个专门用于语音识别的自动化软件工具，它将语音信号转换成文本信息，并在转换过程中为文本中的每个词赋予...
阿里达摩院:FunASR语音识别
TuringEvo专栏
09-01 1170
试错的过程很简单而，且特别是今天报名仓雪卡的同学，你们可以。我先今天写5个点，我就试试试验一下，反正这5个点不行，我再写5个点，这试再不行，那再写5个点嘛。你总会所谓的活动搭神和所谓的高手，都是只有一个把所有的错，所有的坑全部趟一遍，留下正确的你就是所谓的搭神。如果说你要想降低你的试错成本，今天来这里你们就是对的。因为有畅畅血卡这个机会，所以说关于活动过于不过这个问题，或者活动很难通过这个话题呃，如果真的要坐下来聊的话，要聊一天。三茂老师说，我们在整个店铺的这个活动当中，我们要学会换位思考。
funASR 模型 部分参数介绍
weixin_59602119的博客
08-01 1450
funASR 模型 部分参数介绍
FunASR安装
weixin_43870390的博客
02-23 4950
funasr环境配置
FunaSR
03-10
<think>好的，我现在要帮助用户解决关于FunASR的安装、配置和使用问题。首先，我需要回忆用户提供的引用内容。根据引用[1]，用户提到了在Windows 10上安装FunASR并运行离线时间戳模型的步骤，特别是提到打开funasr_samples\samples\html\static文件夹，使用网页运行index.html。这可能涉及到安装后的示例运行步骤。 接下来，我需要整理安装FunASR的一般流程。通常，这类工具需要Python环境，可能需要使用pip安装。用户可能是在Windows系统下操作，所以需要指导如何在Windows上安装依赖，比如FFmpeg或者其他的库。然后，配置环境变量，确保命令行可以找到必要的工具。 然后，配置部分可能需要下载预训练模型，或者调整配置文件。用户提到的离线时间戳模型，可能需要从特定的位置下载模型文件，并放置到正确的目录中。运行示例时，可能需要通过命令行执行Python脚本，或者像引用中提到的，通过网页界面来运行，这可能涉及到启动一个本地服务器，或者打开HTML文件。 用户的问题可能包括安装过程中的常见错误，比如依赖冲突、缺少库文件，或者模型文件路径不正确。需要提前预想这些问题，并在指南中给出解决方法。例如，安装时提示缺少某些模块，可能需要通过pip单独安装，或者安装特定版本的库。 另外，引用[2]提到了Whisper的使用，虽然用户现在关注的是FunASR，但可能需要简要比较两者的区别，或者说明FunASR的特定优势，比如离线运行、时间戳功能等。但用户主要需求是安装和使用，所以这部分可能放在应用场景或相关问题里。 在生成使用教程时，需要分步骤说明：安装依赖、克隆仓库、安装FunASR、下载模型、运行示例。代码块需要正确显示命令，例如pip install命令和运行Python脚本的命令。同时，注意用户可能对命令行操作不熟悉，需要给出具体的示例，如cd到特定目录。 最后，根据用户要求生成相关问题，可能涉及性能优化、模型训练、与其他工具的比较等。需要确保问题相关且有参考价值，帮助用户进一步探索。 现在需要检查是否所有步骤都覆盖到了，并且符合用户提供的引用内容。特别是确保提到了运行index.html的步骤，以及模型下载的路径是否正确。如果有遗漏，可能需要补充细节，比如如何解决路径错误，或者如何处理浏览器安全限制导致网页无法运行的情况。</think>以下为FunASR使用指南，包含安装、配置及运行教程： ### 一、安装步骤（Windows 10） 1. **安装前置依赖** ```bash conda create -n funasr python=3.8 conda activate funasr pip install torch torchaudio pip install funasr modelscope ``` 2. **下载离线时间戳模型** ```python from modelscope.hub.snapshot_download import snapshot_download snapshot_download('damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch', cache_dir="./model") ``` ### 二、配置验证 1. **检查音频处理依赖** ```bash ffmpeg -version # 需确认返回版本号≥4.0[^1] ``` 2. **环境变量设置** ```bash set PATH=%PATH%;C:\ffmpeg\bin # 若使用自定义FFmpeg路径 ``` ### 三、运行离线时间戳示例 1. **执行语音识别** ```python from funasr import AutoModel model = AutoModel(model="paraformer-zh", model_revision="v2.0.4") res = model.generate(input="audio.wav", batch_size_s=300) print(res[0]["text"]) # 输出带时间戳的识别结果 ``` 2. **网页端可视化** ```bash cd funasr_samples\samples\html\static start index.html # 双击打开网页上传音频测试[^1] ``` ### 四、常见问题解决 | 问题现象 | 解决方案 | |---------|----------| | 缺少libssl.dll | 安装VC++ Redistributable | | 网页无法加载音频 | 使用Chrome浏览器并允许本地文件访问 | | 模型下载失败 | 手动从ModelScope仓库下载模型至./model目录 |
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值