FunASR

环境要求

• Python ≥ 3.8（HTTP 服务示例使用 Python 3.11）
• 先自行安装与显卡驱动匹配的 PyTorch 和 torchaudio
• GPU 推理需 CUDA 可用的 PyTorch wheel，否则用 device="cpu"
• 部署本地 HTTP 服务需 fastapi、uvicorn、python-multipart，curl 需 7.76+

安装与启动步骤

1. 1安装 PyTorch 依赖

   FunASR 依赖 PyTorch 与 torchaudio，纯 CPU 可直接用 PyPI 默认 wheel 安装。

   pip install torch torchaudio

   复制

2. 2安装 FunASR

   从 PyPI 安装官方发布的 funasr 包，这是最简安装方式。

   pip install funasr

   复制

3. 3源码方式安装

   需要改动源码时用可编辑模式安装，先克隆仓库再 pip install -e ./。

   git clone https://github.com/modelscope/FunASR.git && cd FunASR
   pip install -e ./

   复制

4. 4确认 GPU 可用

   只有打印 True 时才可用 device="cuda"，否则改用 CPU 或重装对应 CUDA 版本的 PyTorch。

   python - <<'PY'
   import torch
   print(torch.cuda.is_available())
   PY

   复制

5. 5Python 识别示例

   用 AutoModel 加载模型并传入音频路径或 URL，输出结果在 result 的 text 字段。

   from funasr import AutoModel
   
   model = AutoModel(model="iic/SenseVoiceSmall", vad_model="fsmn-vad", spk_model="cam++", device="cpu")
   result = model.generate(
       input="https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/asr_example_zh.wav",
       batch_size_s=300,
   )
   print(result[0]["text"])

   复制

6. 6启动本地服务

   在全新目录用 Python 3.11 建虚拟环境，独立安装 PyPI 版并启动 SenseVoice CPU 服务。

   python3.11 -m venv .venv-funasr-http
   . .venv-funasr-http/bin/activate
   python -m pip install torch torchaudio
   python -m pip install funasr fastapi uvicorn python-multipart
   python -m pip check
   funasr-server --host 127.0.0.1 --port 8000 --model sensevoice --device cpu

   复制

7. 7调用转写接口

   另开终端下载公共中文音频，用 curl 向 OpenAI 兼容接口提交文件并取回结果。

   curl --fail --location https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/BAC009S0764W0121.wav -o sample.wav && \
   curl --fail-with-body http://127.0.0.1:8000/v1/audio/transcriptions \
     -F file=@sample.wav \
     -F model=sensevoice \
     -F response_format=verbose_json

   复制

8. 8拉取 Docker 镜像

   如需流式运行时服务，可拉取官方 CPU 版运行时镜像，官方仅给出镜像地址。

   docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-online-cpu-0.1.12

   复制

关键配置

如何确认成功

运行示例后打印出 result[0]["text"]；服务侧 curl 返回 verbose_json 转写结果即表示成功。

常见问题

注意事项

• 官方建议先装 PyTorch + torchaudio，再执行 pip install funasr。
• HTTP 服务示例应在新目录用独立虚拟环境安装 PyPI 版本，而不是当前源码目录。
• SenseVoiceSmall 的说话人标签由 CAM++ 产生，并非该模型原生输出。
• Nano 与 MLT-Nano 语言覆盖不同，应视为两个独立模型选择。