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#

bash

# 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#

javascript

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SenseVoiceSmallParaformer-Large内存500MB2GB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#

bash

# 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 `<

许可证#

MIT License