Funasr Asr

---

name: funasr-asr description: Local speech recognition using Alibaba DAMO Academy's FunASR. Triggers: (1) user sends voice message requiring transcription, (2) need to transcribe audio/video files, (3) download video from web and transcribe, (4) speech-to-text tasks. Default SenseVoiceSmall model (~500MB), single-process segmented transcription for memory efficiency. Multilingual: Chinese, English, Japanese, Korean, Cantonese.

---

FunASR 本地语音识别

阿里达摩院开源 ASR，完全本地部署，内存优化版。

快速使用

命令行

# 默认 small 模式（SenseVoiceSmall, ~500MB）
python3 scripts/transcribe.py /path/to/audio.wav
大模型模式（Paraformer-Large, ~2GB，中文极高精度）
python3 scripts/transcribe.py /path/to/audio.wav --mode large
自定义分段时长（默认 600 秒 = 10 分钟）
python3 scripts/transcribe.py /path/to/audio.wav --segment 300
JSON 输出
python3 scripts/transcribe.py /path/to/audio.wav --format json
转录视频文件
python3 scripts/video-transcribe.py --audio /path/to/video.mp4

Node.js 调用

const funasr = require('./index.js');
const text = await funasr.transcribe('/path/to/audio.wav', {
  mode: 'small',    // 'small' 或 'large'
  format: 'text'    // 'text' 或 'json'
});

核心优化（v2.0）

| 优化项 | 旧方案 | 新方案 | |--------|--------|--------| | 进程模型 | 每段新进程 | 单进程，模型加载一次 | | 默认模型 | paraformer (~2GB) | SenseVoiceSmall (~500MB) | | 内存峰值 | ~2GB × N 次 | ~500MB 常驻 | | 段间释放 | 进程退出 | gc.collect() | | 任务锁 | ✅ | ✅ 保留 |

模式对比

| 特性 | small (默认) | large | |------|-------------|-------| | 模型 | SenseVoiceSmall | Paraformer-Large | | 内存 | ~500MB | ~2GB | | 语言 | 中英日韩粤 | 中文 | | 精度 | 高 | 极高 | | 速度 | 快 (~0.1 RTF) | 较慢 (~0.3 RTF) | | 适用场景 | 日常转录 | 专业中文场景 |

安装

# Python 依赖
pip install funasr onnxruntime psutil
视频处理（可选）
pip install yt-dlp
apt install ffmpeg
首次运行自动下载模型
small: ~500MB | large: ~2GB

支持格式

音频: WAV, MP3, FLAC, M4A（自动转 16kHz mono）

视频: MP4, WebM, AVI, MOV

故障排查

| 问题 | 解决 | |------|------| | 模型下载失败 | pip install modelscope && modelscope download --model iic/SenseVoiceSmall | | 内存不足 (OOM) | 用 --mode small --segment 300 减小分段 | | 音频格式错误 | ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav | | 转录有奇怪标记 | 脚本自动清理 <|en|> 等 SenseVoice 标记 |

许可证

MIT License