| | |
|---|
| | | 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。 |
|---|
| | | - `vad_model`：表示开启VAD，VAD的作用是将长音频切割成短音频，此时推理耗时包括了VAD与SenseVoice总耗时，为链路耗时，如果需要单独测试SenseVoice模型耗时，可以关闭VAD模型。 |
|---|
| | | - `vad_kwargs`：表示VAD模型配置,`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。 |
|---|
| | | - `ban_emo_unk`：禁用emo_unk标签，禁用后所有的句子都会被赋与情感标签。 |
|---|
| | | |
|---|
| | | ##### Paraformer |
|---|
| | | ```python |
|---|
| | | from funasr import AutoModel |
|---|
