README

(English|简体中文|日本語|한국어)






  面向离线、流式与边缘部署的工业级语音识别工具箱。
  ASR · VAD · 标点 · 说话人 pipeline · 情感与音频事件模型 · OpenAI 兼容服务



  
  
  
  







  快速开始 · 模型选择 · 模型列表 · 部署选型 · 部署中心 · 文档中心 · 性能评测 · 贡献


---

 快速开始

 原生 Transformers

使用 Hugging Face API 转写 Fun-ASR-Nano，先看 Transformers 5.17.0 CPU 快速开始，不需要安装 FunASR 工具库或执行远程 Python 代码。

Space · Notebook · Python / batch examples

 FunASR 工具库与流水线



不想先配置本地环境？可以打开 Colab 快速体验 在浏览器里转写公开样例或上传自己的音频。

FunASR 对你有帮助？欢迎 Star 项目，让更多开发者找到它。

bash
pip install torch torchaudio
pip install funasr


如果要运行 GPU quickstart，请先按 pytorch.org
选择与你的 NVIDIA driver 匹配的 PyTorch / torchaudio CUDA wheel，再安装 FunASR。
安装后先确认 GPU 可见：

bash
python -  部署为 API 服务： 本地 SenseVoice CPU 配方 · Nano GPU 服务与固定版本 vLLM 环境

 接入 AI Agent： MCP 服务 支持 Claude/Cursor · OpenAI API 支持 LangChain/Dify/AutoGen

 接入语音 Agent： OpenClaw 实时转写插件（实验性；依赖尚未合并的上游 SDK 补丁）· Hugging Face speech-to-speech + SenseVoice（已合入源码，v1.0.0 尚未包含）

 为什么选 FunASR？

FunASR 是工具箱，需要分别选择任务、checkpoint 和运行时。
一个模型或适配器支持的能力，不代表所有服务后端都支持。

| 任务 | Checkpoint 或 pipeline | 运行时入口 | 主要边界 |
|---|---|---|---|
| 文件转写及情感/事件标签 | SenseVoiceSmall | Python AutoModel，CPU 或 GPU | 五语种 checkpoint；标签不代表说话人身份。 |
| LLM 文件转写 | Fun-ASR-Nano | AutoModel；文档指定的 GPU 拆分引擎 AutoModelVLLM | 基础 Nano 覆盖中/英/日及中文方言/口音；时间戳取决于 checkpoint 和路径。 |
| 更多语种的文件转写 | Fun-ASR-MLT-Nano | Python AutoModel | 独立的 31 语种 checkpoint，不能把其覆盖范围归给基础 Nano。 |
| 分块实时转写 | Paraformer-zh-streaming | 流式 SDK 或 runtime WebSocket 服务 | 使用流式 checkpoint 和会话独立 cache，不能替换为离线 checkpoint。 |
| 带说话人的文件转写 | SenseVoiceSmall + FSMN-VAD + CAM++ | AutoModel 的 VAD 与嵌入聚类 | 编号仅在当前录音内有效，不是已注册人物身份识别。 |
| 联合文本、时间戳与说话人 | 第三方 OpenMOSS 的 MOSS-Transcribe-Diarize | MOSS 指南中的 FunASR adapter 或上游后端 | 离线、录音内匿名标签；统一路径不外接 VAD/说话人 pipeline。 |
| 原生 CPU/端侧转写 | Fun-ASR-Nano 或 SenseVoiceSmall GGUF | llama.cpp runtime | 需要匹配的转换权重，GGUF 不能作为 Python AutoModel checkpoint 加载。 |

Checkpoint、接口与协议边界见 Model Zoo 和
部署矩阵。请用目标音频与硬件评测后再选运行时。

第一次试用 FunASR？可以先跑 Colab 快速体验，再配置本地环境。还不确定先用哪个模型？先看 模型选择指南。计划从 Whisper 或云端 ASR 切换？请按 迁移指南 和 评测示例 用代表性音频评测、映射功能并安全上线。

---



 性能评测

历史评测报告 与
拆分引擎测量 保留原始结果。
两者是独立记录，不能合并成通用速度排名或生产容量承诺。

请按 RTFx 与可复现评测说明 对齐
checkpoint/revision、音频集、硬件、批量大小、预热、计时范围与 CER/WER。
离线吞吐量不等于流式延迟；可使用 迁移评测示例
以相同口径测量自己的录音。

---

 最新动态

- MOSS-Transcribe-Diarize 已接入 FunASR 服务、Docker、Kubernetes、vLLM/SGLang 工作流和 FunClip，一次完成长音频转写、时间戳与匿名说话人标注。部署 MOSS -
- FunASR 1.4.24 忽略空的非语言符号以避免分词死循环，修复带填充输入的方差归一化，并避免包含零触发样本的混合批次导致 CIF 崩溃。修复 3852、修复 3853、修复 3854。同时启用 norm_means=True 和 norm_vars=True 训练的 checkpoint 会收到不同的归一化特征，需要重新评估识别质量；默认仍为 norm_vars=False。安装：python -m pip install -U "funasr==1.4.24"。发布说明与验证范围 -
  FunASR 1.4.23 修复 lfr_m=lfr_n=1 在线前端的帧游标和离线 VAD 多余的空尾块。提供 token_list 时，SentencePiece 的 ids2tokens 返回模型词元，请用 tokens2text 转为文本；未提供 token_list 时保持旧有文本解码行为。修复 3849、修复 3783。发布说明与验证范围 -
  FunASR 1.4.22 支持逐调用覆盖 merge_length_s，并根据当前语音段时长逐帧更新动态 VAD 静音阈值，同时保留固定阈值模式。修复 3841、修复 3833。发布说明与验证范围 -
  FunASR 1.4.21 在流式标点收到空白或空输入时保留 cache；非空推理保持不变。修复 3824。发布说明与验证范围 -
  FunASR 1.4.20 在指定 spk_model 而可选说话人依赖导入失败时，通过带原始异常链的 ImportError 提