| | |
|---|
| | | 注：支持单条音频文件识别，也支持文件列表，列表为kaldi风格wav.scp：`wav_id wav_path` |
|---|
| | | |
|---|
| | | ### 非实时语音识别 |
|---|
| | | #### SenseVoice |
|---|
| | | ```python |
|---|
| | | from funasr import AutoModel |
|---|
| | | from funasr.utils.postprocess_utils import rich_transcription_postprocess |
|---|
| | | |
|---|
| | | model_dir = "iic/SenseVoiceSmall" |
|---|
| | | |
|---|
| | | model = AutoModel( |
|---|
| | | model=model_dir, |
|---|
| | | vad_model="fsmn-vad", |
|---|
| | | vad_kwargs={"max_single_segment_time": 30000}, |
|---|
| | | device="cuda:0", |
|---|
| | | ) |
|---|
| | | |
|---|
| | | # en |
|---|
| | | res = model.generate( |
|---|
| | | input=f"{model.model_path}/example/en.mp3", |
|---|
| | | cache={}, |
|---|
| | | language="auto", # "zn", "en", "yue", "ja", "ko", "nospeech" |
|---|
| | | use_itn=True, |
|---|
| | | batch_size_s=60, |
|---|
| | | merge_vad=True, # |
|---|
| | | merge_length_s=15, |
|---|
| | | ) |
|---|
| | | text = rich_transcription_postprocess(res[0]["text"]) |
|---|
| | | print(text) |
|---|
| | | ``` |
|---|
| | | 参数说明： |
|---|
| | | - `model_dir`：模型名称，或本地磁盘中的模型路径。 |
|---|
| | | - `trust_remote_code`： |
|---|
| | | - `True`表示model代码实现从`remote_code`处加载，`remote_code`指定`model`具体代码的位置（例如，当前目录下的`model.py`），支持绝对路径与相对路径，以及网络url。 |
|---|
| | | - `False`表示，model代码实现为 [FunASR](https://github.com/modelscope/FunASR) 内部集成版本，此时修改当前目录下的`model.py`不会生效，因为加载的是funasr内部版本，模型代码[点击查看](https://github.com/modelscope/FunASR/tree/main/funasr/models/sense_voice)。 |
|---|
| | | - `max_single_segment_time`: 表示`vad_model`最大切割音频时长, 单位是毫秒ms。 |
|---|
| | | - `use_itn`：输出结果中是否包含标点与逆文本正则化。 |
|---|
| | | - `batch_size_s` 表示采用动态batch，batch中总音频时长，单位为秒s。 |
|---|
| | | - `merge_vad`：是否将 vad 模型切割的短音频碎片合成，合并后长度为`merge_length_s`，单位为秒s。 |
|---|
| | | |
|---|
| | | #### Paraformer |
|---|
| | | ```python |
|---|
| | | from funasr import AutoModel |
|---|
| | | # paraformer-zh is a multi-functional asr model |
|---|
