FunASR类似ESPNet，以Task为通用接口，从而实现模型的训练和推理。每一个Task是一个类，其需要继承AbsTask，其对应的具体代码见funasr/tasks/abs_task.py。下面给出其包含的主要函数及功能介绍：
```python
class AbsTask(ABC):
@classmethod
def add_task_arguments(cls, parser: argparse.ArgumentParser):
pass
@classmethod
def build_preprocess_fn(cls, args, train):
(...)
@classmethod
def build_collate_fn(cls, args: argparse.Namespace):
(...)
@classmethod
def build_model(cls, args):
(...)
@classmethod
def main(cls, args):
(...)
- add_task_arguments：添加特定`Task`需要的参数
- build_preprocess_fn：定义如何处理对样本进行预处理
- build_collate_fn：定义如何将多个样本组成一个`batch`
- build_model：定义模型
- main：训练入口，通过`Task.main()`来启动训练
下面我们将以语音识别任务为例，介绍如何定义一个新的`Task`，具体代码见`funasr/tasks/asr.py`中的`ASRTask`。 定义新的`Task`的过程，其实就是根据任务需求，重定义上述函数的过程。
- add_task_arguments
@classmethod
def add_task_arguments(cls, parser: argparse.ArgumentParser):
group = parser.add_argument_group(description="Task related")
group.add_argument(
"--token_list",
type=str_or_none,
default=None,
help="A text mapping int-id to token",
)
(...)
`` 对于语音识别任务，需要的特定参数包括token_list`等。根据不同任务的特定需求，用户可以在此函数中定义相应的参数。
build_preprocess_fnpython @classmethod def build_preprocess_fn(cls, args, train): if args.use_preprocessor: retval = CommonPreprocessor( train=train, token_type=args.token_type, token_list=args.token_list, bpemodel=args.bpemodel, non_linguistic_symbols=args.non_linguistic_symbols, text_cleaner=args.cleaner, ... ) else: retval = None return retval
该函数定义了如何对样本进行预处理。具体地，语音识别任务的输入包括音频和抄本。对于音频，在此实现了(可选)对音频加噪声，加混响等功能；对于抄本，在此实现了(可选)根据bpe处理抄本，将抄本映射成tokenid等功能。用户可以自己选择需要对样本进行的预处理操作，实现方法可以参考CommonPreprocessor。
build_collate_fnpython @classmethod def build_collate_fn(cls, args, train): return CommonCollateFn(float_pad_value=0.0, int_pad_value=-1)
该函数定义了如何将多个样本组成一个batch。对于语音识别任务，在此实现的是将不同的音频和抄本，通过padding的方式来得到等长的数据。具体地，我们默认用0.0来作为音频的填充值，用-1作为抄本的默认填充值。用户可以在此定义不同的组batch操作，实现方法可以参考CommonCollateFn。
build_modelpython @classmethod def build_model(cls, args, train): with open(args.token_list, encoding="utf-8") as f: token_list = [line.rstrip() for line in f] vocab_size = len(token_list) frontend = frontend_class(**args.frontend_conf) specaug = specaug_class(**args.specaug_conf) normalize = normalize_class(**args.normalize_conf) preencoder = preencoder_class(**args.preencoder_conf) encoder = encoder_class(input_size=input_size, **args.encoder_conf) postencoder = postencoder_class(input_size=encoder_output_size, **args.postencoder_conf) decoder = decoder_class(vocab_size=vocab_size, encoder_output_size=encoder_output_size, **args.decoder_conf) ctc = CTC(odim=vocab_size, encoder_output_size=encoder_output_size, **args.ctc_conf) model = model_class( vocab_size=vocab_size, frontend=frontend, specaug=specaug, normalize=normalize, preencoder=preencoder, encoder=encoder, postencoder=postencoder, decoder=decoder, ctc=ctc, token_list=token_list, **args.model_conf, ) return model
该函数定义了具体的模型。对于不同的语音识别模型，往往可以共用同一个语音识别Task，额外需要做的是在此函数中定义特定的模型。例如，这里给出的是一个标准的encoder-decoder结构的语音识别模型。具体地，先定义该模型的各个模块，包括encoder，decoder等，然后在将这些模块组合在一起得到一个完整的模型。在FunASR中，模型需要继承AbsESPnetModel，其具体代码见funasr/train/abs_espnet_model.py，主要需要实现的是forward函数。
下面我们将以SANMEncoder为例，介绍如何在定义模型的时候，使用自定义的encoder来作为模型的组成部分，其具体的代码见funasr/models/encoder/sanm_encoder.py。对于自定义的encoder，除了需要继承通用的encoder类AbsEncoder外，还需要自定义forward函数，实现encoder的前向计算。在定义完encoder后，还需要在Task中对其进行注册，下面给出了相应的代码示例：python encoder_choices = ClassChoices( "encoder", classes=dict( conformer=ConformerEncoder, transformer=TransformerEncoder, rnn=RNNEncoder, sanm=SANMEncoder, sanm_chunk_opt=SANMEncoderChunkOpt, data2vec_encoder=Data2VecEncoder, mfcca_enc=MFCCAEncoder, ), type_check=AbsEncoder, default="rnn", )
可以看到，sanm=SANMEncoder将新定义的SANMEncoder作为了encoder的一种可选项，当用户在配置文件中指定encoder为sanm时，即会相应地将SANMEncoder作为模型的encoder模块。