君不言语音识别技术则已，言则必称Whisper，没错，OpenAi开源的Whisper确实是世界主流语音识别技术的魁首，但在中文领域，有一个足以和Whisper相颉顽的项目，那就是阿里达摩院自研的FunAsr。FunAsr主要依托达摩院发布的Paraformer非自回归端到端语音识别模型，它具有高精度、高效率、便捷部署的优点，支持快速构建语音识别服务，最重要的是，FunASR支持标点符号识别、低语音识别、音频-视觉语音识别等功能，也就是说，它不仅可以实现语音转写，还能在转写后进行标注，一石二鸟。FunAsr和Whisper对比Mediumvsspeech_paraformer首先配置好Pyth
文章目录一、FunASR二、我的方案：上代码（队列解决线程并发问题）三、测试一、FunASR在我的另一个博客有介绍FunASR,并且进行了语者分离，不过最近FunASR自带了语者分离，挺好挺好，但是一直看社区就是大家都用python写，会出现线程不安全问题，群里有大佬说使用多台服务器，然后用nginx做代理，这不是妥妥土豪行为吗，感觉很浪费vad出现的问题方案解决：图上部分是大佬给的解决方案图下部分是我给的解决方案方案二、我的方案：上代码（队列解决线程并发问题）importosimportuuidimportcopyimportjsonimportloggingimportqueueimpor
模型亮点模型文件:damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorchParaformer-large长音频模型集成VAD、ASR、标点与时间戳功能，可直接对时长为数小时音频进行识别，并输出带标点文字与时间戳：ASR模型：Parformer-large模型结构为非自回归语音识别模型，多个中文公开数据集上取得SOTA效果，可快速地基于ModelScope对模型进行微调定制和推理。热词版本：Paraformer-large热词版模型支持热词定制功能，基于提供的热词列表进行激励增强，提升热词的
君不言语音识别技术则已，言则必称Whisper，没错，OpenAi开源的Whisper确实是世界主流语音识别技术的魁首，但在中文领域，有一个足以和Whisper相颉顽的项目，那就是阿里达摩院自研的FunAsr。FunAsr主要依托达摩院发布的Paraformer非自回归端到端语音识别模型，它具有高精度、高效率、便捷部署的优点，支持快速构建语音识别服务，最重要的是，FunASR支持标点符号识别、低语音识别、音频-视觉语音识别等功能，也就是说，它不仅可以实现语音转写，还能在转写后进行标注，一石二鸟。FunAsr和Whisper对比Mediumvsspeech_paraformer首先配置好Pyth
君不言语音识别技术则已，言则必称Whisper，没错，OpenAi开源的Whisper确实是世界主流语音识别技术的魁首，但在中文领域，有一个足以和Whisper相颉顽的项目，那就是阿里达摩院自研的FunAsr。FunAsr主要依托达摩院发布的Paraformer非自回归端到端语音识别模型，它具有高精度、高效率、便捷部署的优点，支持快速构建语音识别服务，最重要的是，FunASR支持标点符号识别、低语音识别、音频-视觉语音识别等功能，也就是说，它不仅可以实现语音转写，还能在转写后进行标注，一石二鸟。FunAsr和Whisper对比Mediumvsspeech_paraformer首先配置好Pyth
全称 AFundamentalEnd-to-EndSpeechRecognitionToolkit（一个语音识别工具）可能大家用过whisper（openAi），它【标注英语的确很完美】，【但中文会出现标注错误】或搞了个没说的词替换上去，所以要人工核对，麻烦。FunASR作用:能【准确】识别语音，并转成【文字、标出声调】他的原理，就不讲了，俺是搞大数据的，python这东西就勉强能写个爬虫和接口，机器学习和ai相关的算法是0基础。直接实战吧首先，冲他这句话，我要给他点个赞！！！很是感动。分2个步骤，安装和模型安装：目前只支持cpu方式（等gpu版本出来了，那速度更上一层楼）我们这里是用作标注，
文章目录一、选择系统1.1更新环境二、安装使用whisper2.1创建环境2.1安装2.1.1安装基础包2.1.2安装依赖3测试13测试2语着分离创建代码`报错ModuleNotFoundError:Nomodulenamed'pyannote'``报错Nomodulenamed'pyannote_whisper'`三、安装使用funASR1安装1.1安装Conda（可选）1.2安装Pytorch（版本>=1.11.0）1.3安装funASR1.4安装modelscope（可选）1.5如何从本地模型路径推断（可选）2使用funASR2.1使用funASR2.2使用pyannote.audio进
因为前阵子，有需求要将语音转为文本再进行下一步操作。感觉这个技术也不算是什么新需求，但是一搜，都是大厂的api，或者是什么什么软件，由于想要免费的，同时也要嵌入在代码中，所以这些都不能用。、 一筹莫展的时候，突然搜到whisper，这是个openai开源的工具，主打就是语音转文本。试了一下，还是不错的，虽然搜到的大多数介绍都是关于怎么直接命令行使用的，但是也有少量关于api的介绍，结合源码看了一下，还是很容易操作的。 这个项目，从安装开始，这个项目可能是太有名了还是啥，有很些大神进行了扩展和优化，所以直接pip安装的话，需要注意是pipinstallopenai-whisp
本文首发于微信公众号CVHub，严禁私自转载或售卖到其他平台，违者必究。Title:FunASR:AFundamentalEnd-to-EndSpeechRecognitionToolkitPDF:https://arxiv.org/pdf/2305.11013v1.pdfCode:https://github.com/alibaba-damo-academy/FunASR导读本文介绍了一个开源语音识别工具包FunASR，旨在弥合学术研究和工业应用之间的差距。FunASR提供了在大规模工业语料库上训练的模型，并能够将其部署到应用程序中。工具包的核心模型是Paraformer，这是一个非自回归的
