从零实现本地语音识别(FunASR)

FunASR 是达摩院开源的综合性语音处理工具包,提供语音识别(ASR)、语音活动检测(VAD)、标点恢复(PUNC)等全流程功能,支持多种主流模型(如 Paraformer、Whisper、SenseVoice)的推理、微调和部署。

1. funasr安装

sh 复制代码
pip install funasr


2. 模型下载

sh 复制代码
pip install modelscope
modelscope download --model iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch


3. 依赖库安装

pip install torch torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install addict, datasets -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 模式一:使用本地模型

4.1 程序编码(本地模型)

python 复制代码
from funasr import AutoModel

model = AutoModel(
    model="./speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch",
    disable_update=True,
    device="cpu"  # 或 "cuda" 如果有GPU
)    
res = model.inference(input="asr_example.wav")
print("识别结果:", res[0]["text"])

4.2. 运行测试(本地模型)

5. 模式二:运行时自动下载模型

5.1 程序编码(运行时下载模型)

python 复制代码
from funasr import AutoModel

model = AutoModel(
    model="paraformer-zh",
    disable_update=True,
    device="cpu"  # 或 "cuda" 如果有GPU
)    
res = model.inference(input="asr_example.wav")
print("识别结果:", res[0]["text"])

5.2 运行测试(运行时下载模型)

下载后,第二次执行则不再下载,但程序启动会检查。

6. 模式三:指定vad等子模型

6.1 程序编码(指定子模型)

python 复制代码
from funasr import AutoModel

model = AutoModel(
    model="paraformer-zh",
    model_revision="v2.0.4",
    vad_model="fsmn-vad",
    punc_model="ct-punc",
    disable_update=True,
    device="cpu"  # 或 "cuda" 如果有GPU
)    
res = model.inference(input="asr_example.wav")
print("识别结果:", res[0]["text"])

6.2 运行测试(指定子模型)

7. 模式四:使用generate

7.1 程序编码(使用generate)

python 复制代码
from funasr import AutoModel
import soundfile as sf

model = AutoModel(
    model="paraformer-zh",
    model_revision="v2.0.4",
    vad_model="fsmn-vad",
    punc_model="ct-punc",
    disable_update=True,
    device="cpu"  # 或 "cuda" 如果有GPU
)    
waveform, _ = sf.read("asr_example.wav")
    
result = model.generate(input=waveform)
print("识别结果:", result[0]["text"])

7.2 运行测试(使用generate)

第二次运行不会下载模型。

sh 复制代码
# 创建虚拟环境
python -m venv sensevoice_env
source sensevoice_env/bin/activate  # Linux/macOS
sensevoice_env\Scripts\activate     # Windows

# 安装 SenseVoice 依赖
pip install torch torchaudio numpy
相关推荐
音视频牛哥9 分钟前
AIGC时代的视频基础设施:从数据采集到生成响应的全链路实践
人工智能·机器学习·aigc
C++、Java和Python的菜鸟11 分钟前
第二章 矩阵
人工智能·算法·矩阵
胡琦博客11 分钟前
LLM Prompt与开源模型资源(2)提示工程关键技术
人工智能·prompt
音视频牛哥14 分钟前
低延迟 × 高识别:直播SDK与YOLO的融合应用架构解析
人工智能·opencv·计算机视觉
机器之心18 分钟前
科研写作神器,超越Mathpix的科学公式提取工具已开源
人工智能·openai
张较瘦_24 分钟前
[论文阅读] 人工智能 + 教学 | 从代码到职业:用机器学习预测竞赛程序员的就业潜力
论文阅读·人工智能·机器学习
神经星星26 分钟前
【TVM 教程】向 Relay 中添加算子
人工智能·开源·编程语言
科技语者Code36 分钟前
深入解析模型上下文协议 (MCP):架构、流程与应用实践
人工智能·架构
云渚钓月梦未杳37 分钟前
NLP自然语言处理 03 Transformer架构
人工智能·自然语言处理·transformer