寫：一條命令在 10095 端口跑通 ASR、VAD 與標(biāo)點(diǎn)全鏈路)
FunASR 本地部署離線語音轉(zhuǎn)寫一條命令在 10095 端口跑通 ASR、VAD 與標(biāo)點(diǎn)全鏈路【免費(fèi)下載鏈接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/fun/FunASRFunASR 把 Paraformer 識別、FSMN VAD 端點(diǎn)檢測、CT-Transformer 標(biāo)點(diǎn)模型裝進(jìn)一個(gè) Docker 服務(wù)音頻全程不離開你的機(jī)器。本文面向會終端操作、但沒接觸過語音識別服務(wù)部署的開發(fā)者一條命令裝好服務(wù)再一條命令轉(zhuǎn)寫文件內(nèi)網(wǎng)里閉環(huán)。30 秒判斷這套部署適不適合你判斷項(xiàng)結(jié)論適合音頻不能出網(wǎng)的業(yè)務(wù)客服錄音質(zhì)檢、會議紀(jì)要?dú)w檔、庭審與訪談轉(zhuǎn)寫目標(biāo)是服務(wù)跑起來、文件轉(zhuǎn)出來不打算訓(xùn)練或改模型不適合追求最低時(shí)延的實(shí)時(shí)對話需要 GPU 訓(xùn)練、微調(diào) Paraformer 這類科研流程機(jī)器完全無法訪問外網(wǎng)首次部署要拉鏡像和模型對應(yīng)三條實(shí)施路徑本文主線是第一條內(nèi)網(wǎng)服務(wù)器、沒裝過 Docker用 deploy_tools 里的funasr-runtime-deploy-offline-cpu-zh.sh它替你裝 Docker、拉鏡像、下模型、起容器已有 Docker 環(huán)境、想要自定義目錄走 SDK_advanced_guide_offline.md 手動docker runrun_server.sh只要 Python 代碼級 API、不要常駐服務(wù)跑 funasr_wss_server.py再輕量但并發(fā)不如 C 服務(wù)進(jìn)程一條命令部署離線中文轉(zhuǎn)寫服務(wù)該一鍵腳本只支持 Linux內(nèi)部按/etc/os-release識別發(fā)行版。Windows 用戶請用 Docker Desktop 走上面的手動部署路徑。前置條件三樣root 權(quán)限、機(jī)器能訪問外網(wǎng)、至少 10GB 空余磁盤鏡像加三個(gè)模型。下面這條命令會依次拉取鏡像、下載 ASR/VAD/標(biāo)點(diǎn)三個(gè)模型并啟動容器中途出現(xiàn)的菜單選鏡像、選模型、輸端口全部按 Enter 選默認(rèn)即可成功的標(biāo)志是打印The service has been started.cd runtime/deploy_tools sudo bash funasr-runtime-deploy-offline-cpu-zh.sh install裝完的默認(rèn)配置監(jiān)聽 10095 端口、開啟 SSL、解碼線程 32、IO 線程 8。全部產(chǎn)出集中在腳本同級的funasr-runtime-resources工作區(qū)models/存模型samples/是客戶端示例和測試音頻服務(wù)端配置落在~/.funasr_offline/config--show隨時(shí)可查。驗(yàn)證 10095 端口上的服務(wù)存活在服務(wù)機(jī)或任意能訪問 10095 端口的機(jī)器上探活返回HTTP/1.1 200或收到 WebSocket 握手響應(yīng)即正常curl -k https://127.0.0.1:10095默認(rèn)用自簽證書開啟 SSL所以協(xié)議是https客戶端校驗(yàn)要加-k跳過嫌麻煩就update --ssl 0關(guān)掉加密僅限內(nèi)網(wǎng)。日常運(yùn)維用同一腳本的子命令--show可打印當(dāng)前生效的全部配置sudo bash funasr-runtime-deploy-offline-cpu-zh.sh start sudo bash funasr-runtime-deploy-offline-cpu-zh.sh stop sudo bash funasr-runtime-deploy-offline-cpu-zh.sh restart sudo bash funasr-runtime-deploy-offline-cpu-zh.sh --show轉(zhuǎn)寫你的第一個(gè)音頻文件客戶端在 runtime/python/websocket/ 下。注意安裝腳本已把 Python 客戶端依賴click、websocket-client等裝進(jìn)了funasr-runtime-resources/samples/python/示例音頻在samples/audio/asr_example.wav直接跑即可若要轉(zhuǎn) mp3、m4a客戶端機(jī)還需 FFmpeg。指定--output_dir轉(zhuǎn)寫單文件終端實(shí)時(shí)打印文本、目錄下生成 json 結(jié)果文件即為成功cd funasr-runtime-resources/samples/python python3 funasr_wss_client.py --mode offline --audio_in ../audio/asr_example.wav --output_dir ./out三種模式的取舍模式行為取舍offline整段識別精度最高歸檔轉(zhuǎn)寫選它online流式分塊識別邊說邊出字精度略低2pass先流式出草稿再整段修正兼顧延遲與精度當(dāng)前 Python 客戶端沒有--host參數(shù)默認(rèn)連 127.0.0.1所以跨機(jī)器調(diào)用 Python 客戶端要改funasr_wss_client.py里的目標(biāo)地址C 客戶端samples/cpp/funasr-wss-client --server-ip ip原生支持。批量轉(zhuǎn)寫音頻列表與熱詞成百上千個(gè)文件別循環(huán)跑把--audio_in指向 wav.scp 列表--thread_num控制并發(fā)發(fā)送線程python3 funasr_wss_client.py --mode offline --audio_in ./audio.scp --thread_num 8 --output_dir ./outscp 每行必須是標(biāo)簽 空格 路徑例如meeting_01 /data/audio/meeting01.mp3解析失敗會把整行當(dāng)文件名。術(shù)語老認(rèn)錯(cuò)就加熱詞。文件里每行詞 權(quán)重用--hotword傳入python3 funasr_wss_client.py --mode offline --audio_in ./call.mp3 --hotword ./hotwords.txt兩種熱詞加載方式按需選每次請求單獨(dú)帶--hotword傳文件路徑靈活但每個(gè)客戶端都要傳服務(wù)端全局加載在funasr-runtime-resources/models/放hotwords.txt服務(wù)端啟動時(shí)自動讀取對應(yīng)容器內(nèi)/workspace/models/hotwords.txt所有請求共享需要詞級時(shí)間戳或神經(jīng)網(wǎng)絡(luò)熱詞模型換--asr_model時(shí)間戳用damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx熱詞模型用damo/speech_paraformer-large-contextual_asr_nat-zh-cn-16k-common-vocab8404-onnx。更完整的模型對照見 modelscope_models.md。面向生產(chǎn)環(huán)境并發(fā)、線程與端口SDK_tutorial.md 給出的 CPU 并發(fā)參考4C8G 約 32 并發(fā)、16C32G 約 64、64C128G 約 200壓測前先看你的機(jī)器落在哪檔。改線程、換端口、換模型都走update子命令改完即自動重啟容器sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --decode_thread_num 16 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --io_thread_num 4 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --host_port 10096 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --asr_model 模型ID或本地路徑update改的是持久化配置只對重啟后的容器生效線程數(shù)別貼著核數(shù)拉滿默認(rèn) 32/8 已按腳本內(nèi) CPU 核數(shù)推導(dǎo)先壓測再調(diào)。四個(gè)會導(dǎo)致部署失敗的坑一鍵腳本要求 root 且只認(rèn) Linux沒有 sudo 的機(jī)器裝不上 Docker得先解決權(quán)限。 客戶端連不上時(shí)先查兩處服務(wù)端是否--show里還是 10095 端口、SSL 開關(guān)--ssl 0與客戶端--ssl參數(shù)是否一致。 非 16kHz 音頻服務(wù)端會用內(nèi)置 ffmpeg 重采樣但格式太偏如高碼率 m4a會解碼失敗建議先轉(zhuǎn) 16k wav 再轉(zhuǎn)寫。 容器起不來、日志沒反應(yīng)時(shí)看工作區(qū)里的server_console.log~/.funasr_offline/server_console.log為服務(wù)端配置日志位置別只看腳本輸出。這套一鍵腳本 WebSocket 客戶端的組合適合音頻不能出網(wǎng)、目標(biāo)是穩(wěn)定批量的轉(zhuǎn)寫業(yè)務(wù)如果你要的是毫秒級實(shí)時(shí)交互或模型訓(xùn)練選錯(cuò)路徑了。完整能力清單在 runtime/quick_start.md 與 runtime/docs/SDK_advanced_guide_offline.md模型選型查 model_zoo/。【免費(fèi)下載鏈接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/fun/FunASR創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 FunASR 本地部署離線語音轉(zhuǎn)寫：一條命令在 10095 端口跑通 ASR、VAD 與標(biāo)點(diǎn)全鏈路
FunASR 本地部署離線語音轉(zhuǎn)寫一條命令在 10095 端口跑通 ASR、VAD 與標(biāo)點(diǎn)全鏈路【免費(fèi)下載鏈接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/fun/FunASRFunASR 把 Paraformer 識別、FSMN VAD 端點(diǎn)檢測、CT-Transformer 標(biāo)點(diǎn)模型裝進(jìn)一個(gè) Docker 服務(wù)音頻全程不離開你的機(jī)器。本文面向會終端操作、但沒接觸過語音識別服務(wù)部署的開發(fā)者一條命令裝好服務(wù)再一條命令轉(zhuǎn)寫文件內(nèi)網(wǎng)里閉環(huán)。30 秒判斷這套部署適不適合你判斷項(xiàng)結(jié)論適合音頻不能出網(wǎng)的業(yè)務(wù)客服錄音質(zhì)檢、會議紀(jì)要?dú)w檔、庭審與訪談轉(zhuǎn)寫目標(biāo)是服務(wù)跑起來、文件轉(zhuǎn)出來不打算訓(xùn)練或改模型不適合追求最低時(shí)延的實(shí)時(shí)對話需要 GPU 訓(xùn)練、微調(diào) Paraformer 這類科研流程機(jī)器完全無法訪問外網(wǎng)首次部署要拉鏡像和模型對應(yīng)三條實(shí)施路徑本文主線是第一條內(nèi)網(wǎng)服務(wù)器、沒裝過 Docker用 deploy_tools 里的funasr-runtime-deploy-offline-cpu-zh.sh它替你裝 Docker、拉鏡像、下模型、起容器已有 Docker 環(huán)境、想要自定義目錄走 SDK_advanced_guide_offline.md 手動docker runrun_server.sh只要 Python 代碼級 API、不要常駐服務(wù)跑 funasr_wss_server.py再輕量但并發(fā)不如 C 服務(wù)進(jìn)程一條命令部署離線中文轉(zhuǎn)寫服務(wù)該一鍵腳本只支持 Linux內(nèi)部按/etc/os-release識別發(fā)行版。Windows 用戶請用 Docker Desktop 走上面的手動部署路徑。前置條件三樣root 權(quán)限、機(jī)器能訪問外網(wǎng)、至少 10GB 空余磁盤鏡像加三個(gè)模型。下面這條命令會依次拉取鏡像、下載 ASR/VAD/標(biāo)點(diǎn)三個(gè)模型并啟動容器中途出現(xiàn)的菜單選鏡像、選模型、輸端口全部按 Enter 選默認(rèn)即可成功的標(biāo)志是打印The service has been started.cd runtime/deploy_tools sudo bash funasr-runtime-deploy-offline-cpu-zh.sh install裝完的默認(rèn)配置監(jiān)聽 10095 端口、開啟 SSL、解碼線程 32、IO 線程 8。全部產(chǎn)出集中在腳本同級的funasr-runtime-resources工作區(qū)models/存模型samples/是客戶端示例和測試音頻服務(wù)端配置落在~/.funasr_offline/config--show隨時(shí)可查。驗(yàn)證 10095 端口上的服務(wù)存活在服務(wù)機(jī)或任意能訪問 10095 端口的機(jī)器上探活返回HTTP/1.1 200或收到 WebSocket 握手響應(yīng)即正常curl -k https://127.0.0.1:10095默認(rèn)用自簽證書開啟 SSL所以協(xié)議是https客戶端校驗(yàn)要加-k跳過嫌麻煩就update --ssl 0關(guān)掉加密僅限內(nèi)網(wǎng)。日常運(yùn)維用同一腳本的子命令--show可打印當(dāng)前生效的全部配置sudo bash funasr-runtime-deploy-offline-cpu-zh.sh start sudo bash funasr-runtime-deploy-offline-cpu-zh.sh stop sudo bash funasr-runtime-deploy-offline-cpu-zh.sh restart sudo bash funasr-runtime-deploy-offline-cpu-zh.sh --show轉(zhuǎn)寫你的第一個(gè)音頻文件客戶端在 runtime/python/websocket/ 下。注意安裝腳本已把 Python 客戶端依賴click、websocket-client等裝進(jìn)了funasr-runtime-resources/samples/python/示例音頻在samples/audio/asr_example.wav直接跑即可若要轉(zhuǎn) mp3、m4a客戶端機(jī)還需 FFmpeg。指定--output_dir轉(zhuǎn)寫單文件終端實(shí)時(shí)打印文本、目錄下生成 json 結(jié)果文件即為成功cd funasr-runtime-resources/samples/python python3 funasr_wss_client.py --mode offline --audio_in ../audio/asr_example.wav --output_dir ./out三種模式的取舍模式行為取舍offline整段識別精度最高歸檔轉(zhuǎn)寫選它online流式分塊識別邊說邊出字精度略低2pass先流式出草稿再整段修正兼顧延遲與精度當(dāng)前 Python 客戶端沒有--host參數(shù)默認(rèn)連 127.0.0.1所以跨機(jī)器調(diào)用 Python 客戶端要改funasr_wss_client.py里的目標(biāo)地址C 客戶端samples/cpp/funasr-wss-client --server-ip ip原生支持。批量轉(zhuǎn)寫音頻列表與熱詞成百上千個(gè)文件別循環(huán)跑把--audio_in指向 wav.scp 列表--thread_num控制并發(fā)發(fā)送線程python3 funasr_wss_client.py --mode offline --audio_in ./audio.scp --thread_num 8 --output_dir ./outscp 每行必須是標(biāo)簽 空格 路徑例如meeting_01 /data/audio/meeting01.mp3解析失敗會把整行當(dāng)文件名。術(shù)語老認(rèn)錯(cuò)就加熱詞。文件里每行詞 權(quán)重用--hotword傳入python3 funasr_wss_client.py --mode offline --audio_in ./call.mp3 --hotword ./hotwords.txt兩種熱詞加載方式按需選每次請求單獨(dú)帶--hotword傳文件路徑靈活但每個(gè)客戶端都要傳服務(wù)端全局加載在funasr-runtime-resources/models/放hotwords.txt服務(wù)端啟動時(shí)自動讀取對應(yīng)容器內(nèi)/workspace/models/hotwords.txt所有請求共享需要詞級時(shí)間戳或神經(jīng)網(wǎng)絡(luò)熱詞模型換--asr_model時(shí)間戳用damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx熱詞模型用damo/speech_paraformer-large-contextual_asr_nat-zh-cn-16k-common-vocab8404-onnx。更完整的模型對照見 modelscope_models.md。面向生產(chǎn)環(huán)境并發(fā)、線程與端口SDK_tutorial.md 給出的 CPU 并發(fā)參考4C8G 約 32 并發(fā)、16C32G 約 64、64C128G 約 200壓測前先看你的機(jī)器落在哪檔。改線程、換端口、換模型都走update子命令改完即自動重啟容器sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --decode_thread_num 16 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --io_thread_num 4 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --host_port 10096 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --asr_model 模型ID或本地路徑update改的是持久化配置只對重啟后的容器生效線程數(shù)別貼著核數(shù)拉滿默認(rèn) 32/8 已按腳本內(nèi) CPU 核數(shù)推導(dǎo)先壓測再調(diào)。四個(gè)會導(dǎo)致部署失敗的坑一鍵腳本要求 root 且只認(rèn) Linux沒有 sudo 的機(jī)器裝不上 Docker得先解決權(quán)限。 客戶端連不上時(shí)先查兩處服務(wù)端是否--show里還是 10095 端口、SSL 開關(guān)--ssl 0與客戶端--ssl參數(shù)是否一致。 非 16kHz 音頻服務(wù)端會用內(nèi)置 ffmpeg 重采樣但格式太偏如高碼率 m4a會解碼失敗建議先轉(zhuǎn) 16k wav 再轉(zhuǎn)寫。 容器起不來、日志沒反應(yīng)時(shí)看工作區(qū)里的server_console.log~/.funasr_offline/server_console.log為服務(wù)端配置日志位置別只看腳本輸出。這套一鍵腳本 WebSocket 客戶端的組合適合音頻不能出網(wǎng)、目標(biāo)是穩(wěn)定批量的轉(zhuǎn)寫業(yè)務(wù)如果你要的是毫秒級實(shí)時(shí)交互或模型訓(xùn)練選錯(cuò)路徑了。完整能力清單在 runtime/quick_start.md 與 runtime/docs/SDK_advanced_guide_offline.md模型選型查 model_zoo/。【免費(fèi)下載鏈接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/fun/FunASR創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考