本地部署

部署前请先学习conda的基础使用。

平台:windows 11

阿里新开源的FunASR仓库（语音转文字），识别速度快，精度高。

FunASR的部署可以使用Docker，有关Docker的部署教程就很多了，一搜就是一大堆，我就不写了。

我就写一下Python本地部署的过程。

1.下载FunASR仓库

github仓库链接：https://github.com/modelscope/FunASR

直接下载仓库Zip文件。

下载完成后，解压缩。

2.创建虚拟环境

要求：

• python≥3.8 实测3.8失败,3.10成功
• torch≥1.13 实测torch-1.13.1+cu117成功
• torchaudio

3.安装库

在FunASR的路径下:

然后分别执行下面的命令：

pip install -e ./

pip install modelscope	# 实测不需要，pip install -e ./时已经将modelscope作为依赖安装了

pip install torchaudio

上面的三个pip命令是安装必要的库。安装可能会很久，等待即可。

4.测试识别

在仓库根目录下新建一个test.py文件，并输入代码：

from funasr import AutoModel
import datetime
# paraformer-zh is a multi-functional asr model
# use vad, punc, spk or not as you need
model = AutoModel(model="paraformer-zh",  vad_model="fsmn-vad", punc_model="ct-punc")
res = model.generate(input="D:\\imformation\\test.wav",
            batch_size_s=300,
            hotword='魔搭')
print(res)

修改代码中的要识别的wav文件路径，然后运行这个test.py，

首次运行会下载模型文件，模型文件会被下载到当前电脑用户的**.cache/modelscope/hub/iic**文件夹中。当然，也可以手动下载模型并放到这个目录下，如果手动下载模型的话，就不需要执行这一步了。

正常的话将看到这样的输出：

我们需要的是最后的白色文本，这才是对音频文件的识别结果。

到此，本地部署就完成了。

注意:部署部分修改于:FunASR Windows本地部署（语音转文字） - 哔哩哔哩

API接口

API分为服务端和客户端。

服务端

先安装API所需依赖库

pip install fastapi python-multipart uvicorn

再在仓库根目录下新建一个asr_server.py文件

from fastapi import FastAPI, File, UploadFile, HTTPException
from fastapi.responses import JSONResponse
from funasr import AutoModel
import os
from datetime import datetime
from typing import Optional

app = FastAPI()

# 初始化模型
model = None

def load_model():
    global model
    if model is None:
        print(f"{datetime.now()} - 正在加载ASR模型...")
        model = AutoModel(model="paraformer-zh", vad_model="fsmn-vad", punc_model="ct-punc")
        print(f"{datetime.now()} - ASR模型加载完成")

@app.on_event("startup")
async def startup_event():
    load_model()

@app.get("/")
async def health_check():
    return {"status": "healthy", "message": "ASR服务运行中"}

@app.post("/asr")
async def transcribe_audio(
    file: UploadFile = File(...),
    batch_size_s: int = 300,
    hotword: Optional[str] = None
):
    try:
        # 检查文件类型
        if not file.filename.lower().endswith(('.wav', '.mp3', '.ogg', '.flac')):
            raise HTTPException(status_code=400, detail="仅支持音频文件 (wav, mp3, ogg, flac)")

        # 保存临时文件
        temp_file = f"temp_{datetime.now().strftime('%Y%m%d%H%M%S')}_{file.filename}"
        with open(temp_file, "wb") as buffer:
            buffer.write(await file.read())

        # 调用ASR模型
        print(f"{datetime.now()} - 开始处理文件: {file.filename}")
        result = model.generate(
            input=temp_file,
            batch_size_s=batch_size_s,
            hotword=hotword
        )

        # 删除临时文件
        os.remove(temp_file)

        return JSONResponse(content={
            "status": "success",
            "filename": file.filename,
            "transcription": result
        })

    except Exception as e:
        # 如果出现错误，确保删除临时文件
        if 'temp_file' in locals() and os.path.exists(temp_file):
            os.remove(temp_file)
        raise HTTPException(status_code=500, detail=str(e))

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

运行该python文件

此时，不要关闭此Python脚本

客户端

客户端的Python环境可以不用和FunASR处于同一环境，只需要具有fastAPI库即可。

pip install fastapi

在任意位置任意Python环境下运行客户端代码ast_cilent.py

import requests
import time
from datetime import datetime


def test_asr_service(audio_file_path, hotword=None):
    # API端点
    url = "http://localhost:8000/asr"

    # 准备文件
    with open(audio_file_path, "rb") as audio_file:
        files = {"file": (audio_file_path.split("/")[-1], audio_file)}
        data = {"hotword": hotword} if hotword else {}

        # 发送请求
        start_time = time.time()
        print(f"{datetime.now()} - 开始发送请求...")
        response = requests.post(url, files=files, data=data)

        # 处理响应
        if response.status_code == 200:
            result = response.json()
            print(f"{datetime.now()} - 识别成功!")
            print(f"文件名: {result['filename']}")
            print(f"识别结果: {result['transcription']}")
            print(f"处理时间: {time.time() - start_time:.2f}秒")
            return result
        else:
            print(f"{datetime.now()} - 识别失败!")
            print(f"状态码: {response.status_code}")
            print(f"错误信息: {response.text}")
            return None


if __name__ == "__main__":
    # 测试调用
    audio_file = "D:\\imformation\\test.wav"  # 替换为你的音频文件路径
    hotword = "魔搭"  # 可选热词

    result = test_asr_service(audio_file, hotword)

运行后结果如下：

同时可以在服务端看到如下的输出：

至此，FunASR模型的部署以及API调用完成