Paraformer（由达摩院开发）是一款非自回归的端到端语音识别模型，支持高效的语音转文本任务

Paraformer（由达摩院开发）是一款非自回归的端到端语音识别模型，支持高效的语音转文本任务。以下是本地部署Paraformer的详细步骤：

---

1. 环境准备

• 操作系统：Linux（推荐Ubuntu 18.04/20.04）或 macOS（需自行解决依赖问题）。
• Python：3.7 或更高版本。
• PyTorch：1.8+（需与CUDA版本匹配，若使用GPU）。
• CUDA/cuDNN（GPU用户）：建议CUDA 11.1+，cuDNN 8.0+。

# 示例：创建conda环境
conda create -n paraformer python=3.8
conda activate paraformer
pip install torch torchaudio -f https://download.pytorch.org/whl/torch_stable.html

---

2. 下载模型与代码

Paraformer的官方实现通常通过 FunASR（达摩院开源工具包）提供：

git clone https://github.com/alibaba-damo-academy/FunASR.git
cd FunASR
pip install -e .  # 安装依赖

• 下载预训练模型：
  • 从 Modelscope 搜索 “Paraformer” 下载模型（如 paraformer-zh 中文模型）。
  • 或使用命令行：

    pip install modelscope
    python -c "from modelscope.hub.snapshot_download import snapshot_download; snapshot_download('damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch')"
    

    模型会默认下载到 ~/.cache/modelscope/hub/。

---

3. 本地推理示例

使用FunASR加载模型进行推理：

from funasr import AutoModel

# 加载模型（替换为实际模型路径）
model_path = "damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch"
model = AutoModel(model=model_path)

# 语音识别
wav_path = "your_audio.wav"  # 支持16kHz单声道WAV格式
result = model.generate(input=wav_path)
print(result[0]["text"])

---

4. 高级部署选项

GPU加速

• 确保PyTorch已启用CUDA：

  import torch
  print(torch.cuda.is_available())  # 应输出True
  

本地服务化

使用FunASR的HTTP服务：

python -m funasr.bin.asr_launch --model_path ./model --ngpu 1

访问 http://localhost:8008 通过API提交音频。

量化与优化

• 使用ONNX导出减少延迟：

  from funasr import AutoModel
  model = AutoModel(model="damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch", export_onnx=True)
  

---

5. 常见问题

• 音频格式：需16kHz单声道WAV，其他格式需用FFmpeg转换：

  ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav
  

• 依赖冲突：建议使用干净的Python环境。
• 显存不足：尝试更小的模型（如 paraformer-zh-small）。

---

6. 参考资源

• FunASR GitHub
• Modelscope模型库

通过以上步骤，您可以在本地高效部署Paraformer模型。如需进一步定制（如微调训练），需准备数据集并参考FunASR的文档。