FUNASR训练
blame | 历史 | 补丁 | 提交 | 提交对比 | ignore whitespace
游雁
2023-09-04 cf0a6d9b253b4796e2d691097b4570887bb3c64b 
 funasr/runtime/docs/SDK_advanced_guide_offline_zh.md


@@ -2,11 +2,65 @@




FunASR提供可一键本地或者云端服务器部署的中文离线文件转写服务，内核为FunASR已开源runtime-SDK。FunASR-runtime结合了达摩院语音实验室在Modelscope社区开源的语音端点检测(VAD)、Paraformer-large语音识别(ASR)、标点检测(PUNC) 等相关能力，可以准确、高效的对音频进行高并发转写。




本文档为FunASR离线文件转写服务开发指南。如果您想快速体验离线文件转写服务，请参考FunASR离线文件转写服务一键部署示例（[点击此处](./SDK_tutorial_cn.md)）。


本文档为FunASR离线文件转写服务开发指南。如果您想快速体验离线文件转写服务，可参考[快速上手](#快速上手)。




## 服务器配置




用户可以根据自己的业务需求，选择合适的服务器配置，推荐配置为：


- 配置1: （X86，计算型），4核vCPU，内存8G，单机可以支持大约32路的请求


- 配置2: （X86，计算型），16核vCPU，内存32G，单机可以支持大约64路的请求


- 配置3: （X86，计算型），64核vCPU，内存128G，单机可以支持大约200路的请求




详细性能测试报告（[点击此处](./benchmark_onnx_cpp.md)）




云服务厂商，针对新用户，有3个月免费试用活动，申请教程（[点击此处](https://github.com/alibaba-damo-academy/FunASR/blob/main/funasr/runtime/docs/aliyun_server_tutorial.md)）






## 快速上手


### 镜像启动




通过下述命令拉取并启动FunASR runtime-SDK的docker镜像：




```shell


sudo docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-0.2.1




sudo docker run -p 10095:10095 -it --privileged=true -v /root:/workspace/models registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-0.2.1


```


如果您没有安装docker，可参考[Docker安装](#Docker安装)




### 服务端启动




docker启动之后，启动 funasr-wss-server服务程序：


```shell


cd FunASR/funasr/runtime


nohup bash run_server.sh \


  --download-model-dir /workspace/models \


  --vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx \


  --model-dir damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx  \


  --punc-dir damo/punc_ct-transformer_zh-cn-common-vocab272727-onnx > log.out 2>&1 &




# 如果您想关闭ssl，增加参数：--certfile 0


# 如果您想使用时间戳或者热词模型进行部署，请设置--model-dir为对应模型：


# damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx（时间戳）


# 或者 damo/speech_paraformer-large-contextual_asr_nat-zh-cn-16k-common-vocab8404-onnx（热词）




```


服务端详细参数介绍可参考[服务端参数介绍](#服务端参数介绍)


### 客户端测试与使用




下载客户端测试工具目录samples


```shell


wget https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/sample/funasr_samples.tar.gz


```


我们以Python语言客户端为例，进行说明，支持多种音频格式输入（.wav, .pcm, .mp3等），也支持视频输入(.mp4等)，以及多文件列表wav.scp输入，其他版本客户端请参考文档（[点击此处](#客户端用法详解)），定制服务部署请参考[如何定制服务部署](#如何定制服务部署)


```shell


python3 funasr_wss_client.py --host "127.0.0.1" --port 10095 --mode offline --audio_in "../audio/asr_example.wav"


```




------------------


## Docker安装




下述步骤为手动安装docker及docker镜像的步骤，如您docker镜像已启动，可以忽略本步骤：


下述步骤为手动安装docker环境的步骤：




### docker环境安装


```shell


@@ -30,36 +84,66 @@


sudo systemctl start docker


```




### 镜像拉取及启动




通过下述命令拉取并启动FunASR runtime-SDK的docker镜像：


## 客户端用法详解




在服务器上完成FunASR服务部署以后，可以通过如下的步骤来测试和使用离线文件转写服务。


目前分别支持以下几种编程语言客户端




- [Python](#python-client)


- [CPP](#cpp-client)


- [html网页版本](#Html网页版)


- [Java](#Java-client)




### python-client


若想直接运行client进行测试，可参考如下简易说明，以python版本为例：




```shell


sudo docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-latest




sudo docker run -p 10095:10095 -it --privileged=true -v /root:/workspace/models registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-latest


python3 wss_client_asr.py --host "127.0.0.1" --port 10095 --mode offline --audio_in "../audio/asr_example.wav" --output_dir "./results"


```




命令参数介绍：


命令参数说明：


```text


-p <宿主机端口>:<映射到docker端口>


如示例，宿主机(ecs)端口10095映射到docker端口10095上。前提是确保ecs安全规则打开了10095端口。


-v <宿主机路径>:<挂载至docker路径>


如示例，宿主机路径/root挂载至docker路径/workspace/models


--host 为FunASR runtime-SDK服务部署机器ip，默认为本机ip（127.0.0.1），如果client与服务不在同一台服务器，需要改为部署机器ip


--port 10095 部署端口号


--mode offline表示离线文件转写


--audio_in 需要进行转写的音频文件，支持文件路径，文件列表wav.scp


--thread_num 设置并发发送线程数，默认为1


--ssl 设置是否开启ssl证书校验，默认1开启，设置为0关闭


--hotword 如果模型为热词模型，可以设置热词: *.txt(每行一个热词) 或者空格分隔的热词字符串 (could be: 阿里巴巴 达摩院)


```






## 服务端启动




docker启动之后，启动 funasr-wss-server服务程序：


### cpp-client


进入samples/cpp目录后，可以用cpp进行测试，指令如下：


```shell


cd FunASR/funasr/runtime


./run_server.sh --vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx \


  --model-dir damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx  \


  --punc-dir damo/punc_ct-transformer_zh-cn-common-vocab272727-onnx


./funasr-wss-client --server-ip 127.0.0.1 --port 10095 --wav-path ../audio/asr_example.wav


```




详细命令参数介绍：


命令参数说明：




```text


--server-ip 为FunASR runtime-SDK服务部署机器ip，默认为本机ip（127.0.0.1），如果client与服务不在同一台服务器，需要改为部署机器ip


--port 10095 部署端口号


--wav-path 需要进行转写的音频文件，支持文件路径


--hotword 如果模型为热词模型，可以设置热词: *.txt(每行一个热词) 或者空格分隔的热词字符串 (could be: 阿里巴巴 达摩院)


```




### Html网页版




在浏览器中打开 html/static/index.html，即可出现如下页面，支持麦克风输入与文件上传，直接进行体验




<img src="images/html.png"  width="900"/>




### Java-client




```shell


FunasrWsClient --host localhost --port 10095 --audio_in ./asr_example.wav --mode offline


```


详细可以参考文档（[点击此处](../java/readme.md)）








## 服务端参数介绍：




funasr-wss-server支持从Modelscope下载模型，设置模型下载地址（--download-model-dir，默认为/workspace/models）及model ID（--model-dir、--vad-dir、--punc-dir）,示例如下：


```shell


@@ -77,21 +161,21 @@


 ```


命令参数介绍：


```text


--download-model-dir #模型下载地址，通过设置model ID从Modelscope下载模型


--model-dir # modelscope model ID


--quantize  # True为量化ASR模型，False为非量化ASR模型，默认是True


--vad-dir # modelscope model ID


--vad-quant  # True为量化VAD模型，False为非量化VAD模型，默认是True


--punc-dir # modelscope model ID


--punc-quant  # True为量化PUNC模型，False为非量化PUNC模型，默认是True


--port # 服务端监听的端口号，默认为 10095


--decoder-thread-num # 服务端启动的推理线程数，默认为 8


--io-thread-num # 服务端启动的IO线程数，默认为 1


--certfile <string> # ssl的证书文件，默认为：../../../ssl_key/server.crt


--keyfile <string> # ssl的密钥文件，默认为：../../../ssl_key/server.key


--download-model-dir 模型下载地址，通过设置model ID从Modelscope下载模型


--model-dir  modelscope model ID


--quantize  True为量化ASR模型，False为非量化ASR模型，默认是True


--vad-dir  modelscope model ID


--vad-quant   True为量化VAD模型，False为非量化VAD模型，默认是True


--punc-dir  modelscope model ID


--punc-quant   True为量化PUNC模型，False为非量化PUNC模型，默认是True


--port  服务端监听的端口号，默认为 10095


--decoder-thread-num  服务端启动的推理线程数，默认为 8


--io-thread-num  服务端启动的IO线程数，默认为 1


--certfile  ssl的证书文件，默认为：../../../ssl_key/server.crt，如果需要关闭ssl，参数设置为”“


--keyfile   ssl的密钥文件，默认为：../../../ssl_key/server.key，如果需要关闭ssl，参数设置为”“


```




funasr-wss-server同时也支持从本地路径加载模型（本地模型资源准备详见[模型资源准备](#anchor-1)）示例如下：


funasr-wss-server同时也支持从本地路径加载模型（本地模型资源准备详见[模型资源准备](#模型资源准备)）示例如下：


```shell


cd /workspace/FunASR/funasr/runtime/websocket/build/bin


./funasr-wss-server  \


@@ -106,123 +190,26 @@


 ```


命令参数介绍：


```text


--model-dir # ASR模型路径，默认为：/workspace/models/asr


--quantize  # True为量化ASR模型，False为非量化ASR模型，默认是True


--vad-dir # VAD模型路径，默认为：/workspace/models/vad


--vad-quant  # True为量化VAD模型，False为非量化VAD模型，默认是True


--punc-dir # PUNC模型路径，默认为：/workspace/models/punc


--punc-quant  # True为量化PUNC模型，False为非量化PUNC模型，默认是True


--port # 服务端监听的端口号，默认为 10095


--decoder-thread-num # 服务端启动的推理线程数，默认为 8


--io-thread-num # 服务端启动的IO线程数，默认为 1


--certfile <string> # ssl的证书文件，默认为：../../../ssl_key/server.crt


--keyfile <string> # ssl的密钥文件，默认为：../../../ssl_key/server.key


--model-dir  ASR模型路径，默认为：/workspace/models/asr


--quantize   True为量化ASR模型，False为非量化ASR模型，默认是True


--vad-dir  VAD模型路径，默认为：/workspace/models/vad


--vad-quant   True为量化VAD模型，False为非量化VAD模型，默认是True


--punc-dir  PUNC模型路径，默认为：/workspace/models/punc


--punc-quant   True为量化PUNC模型，False为非量化PUNC模型，默认是True


--port  服务端监听的端口号，默认为 10095


--decoder-thread-num  服务端启动的推理线程数，默认为 8


--io-thread-num  服务端启动的IO线程数，默认为 1


--certfile ssl的证书文件，默认为：../../../ssl_key/server.crt，如果需要关闭ssl，参数设置为”“


--keyfile  ssl的密钥文件，默认为：../../../ssl_key/server.key，如果需要关闭ssl，参数设置为”“


```




## <a id="anchor-1">模型资源准备</a>


执行上述指令后，启动离线文件转写服务。如果模型指定为ModelScope中model id，会自动从MoldeScope中下载如下模型：


[FSMN-VAD模型](https://www.modelscope.cn/models/damo/speech_fsmn_vad_zh-cn-16k-common-onnx/summary)，


[Paraformer-lagre模型](https://www.modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx/summary)


[CT-Transformer标点预测模型](https://www.modelscope.cn/models/damo/punc_ct-transformer_zh-cn-common-vocab272727-onnx/summary)




如果您选择通过funasr-wss-server从Modelscope下载模型，可以跳过本步骤。


如果，您希望部署您finetune后的模型（例如10epoch.pb），需要手动将模型重命名为model.pb，并将原modelscope中模型model.pb替换掉，将路径指定为`model_dir`即可。




FunASR离线文件转写服务中的vad、asr和punc模型资源均来自Modelscope，模型地址详见下表：




| 模型 | Modelscope链接                                                                                                     |


|------|------------------------------------------------------------------------------------------------------------------|


| VAD  | https://www.modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/summary |


| ASR  | https://www.modelscope.cn/models/damo/speech_fsmn_vad_zh-cn-16k-common-pytorch/summary                           |


| PUNC | https://www.modelscope.cn/models/damo/punc_ct-transformer_zh-cn-common-vocab272727-pytorch/summary               |




离线文件转写服务中部署的是量化后的ONNX模型，下面介绍下如何导出ONNX模型及其量化：您可以选择从Modelscope导出ONNX模型、从本地文件导出ONNX模型或者从finetune后的资源导出模型：




### 从Modelscope导出ONNX模型




从Modelscope网站下载对应model name的模型，然后导出量化后的ONNX模型：




```shell


python -m funasr.export.export_model \


--export-dir ./export \


--type onnx \


--quantize True \


--model-name damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch \


--model-name damo/speech_fsmn_vad_zh-cn-16k-common-pytorch \


--model-name damo/punc_ct-transformer_zh-cn-common-vocab272727-pytorch


```




命令参数介绍：


```text


--model-name  Modelscope上的模型名称，例如damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch


--export-dir  ONNX模型导出地址


--type 模型类型，目前支持 ONNX、torch


--quantize  int8模型量化


```




### 从本地文件导出ONNX模型




设置model name为模型本地路径，导出量化后的ONNX模型：




```shell


python -m funasr.export.export_model --model-name /workspace/models/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch --export-dir ./export --type onnx --quantize True


```


命令参数介绍：


```text


--model-name  模型本地路径，例如/workspace/models/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch


--export-dir  ONNX模型导出地址


--type 模型类型，目前支持 ONNX、torch


--quantize  int8模型量化


```




### 从finetune后的资源导出模型




假如您想部署finetune后的模型，可以参考如下步骤：




将您finetune后需要部署的模型（例如10epoch.pb），重命名为model.pb，并将原modelscope中模型model.pb替换掉，假如替换后的模型路径为/path/to/finetune/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch，通过下述命令把finetune后的模型转成onnx模型：




```shell


python -m funasr.export.export_model --model-name /path/to/finetune/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch --export-dir ./export --type onnx --quantize True


```




## 客户端启动




在服务器上完成FunASR离线文件转写服务部署以后，可以通过如下的步骤来测试和使用离线文件转写服务。目前FunASR-bin支持多种方式启动客户端，如下是基于python-client、c++-client的命令行实例及自定义客户端Websocket通信协议：




### python-client


```shell


python wss_client_asr.py --host "127.0.0.1" --port 10095 --mode offline --audio_in "./data/wav.scp" --send_without_sleep --output_dir "./results"


```


命令参数介绍：


```text


--host # 服务端ip地址，本机测试可设置为 127.0.0.1


--port # 服务端监听端口号


--audio_in # 音频输入，输入可以是：wav路径 或者 wav.scp路径（kaldi格式的wav list，wav_id \t wav_path）


--output_dir # 识别结果输出路径


--ssl # 是否使用SSL加密，默认使用


--mode # offline模式


```




### c++-client：


```shell


. /funasr-wss-client --server-ip 127.0.0.1 --port 10095 --wav-path test.wav --thread-num 1 --is-ssl 1


```


命令参数介绍：


```text


--server-ip # 服务端ip地址，本机测试可设置为 127.0.0.1


--port # 服务端监听端口号


--wav-path # 音频输入，输入可以是：wav路径 或者 wav.scp路径（kaldi格式的wav list，wav_id \t wav_path）


--thread-num # 客户端线程数


--is-ssl # 是否使用SSL加密，默认使用


```




### 自定义客户端：




如果您想定义自己的client，websocket通信协议为：




```text


# 首次通信


{"mode": "offline", "wav_name": wav_name, "is_speaking": True}


# 发送wav数据


bytes数据


# 发送结束标志


{"is_speaking": False}


```




## 如何定制服务部署




@@ -234,6 +221,14 @@


### python 客户端：




https://github.com/alibaba-damo-academy/FunASR/tree/main/funasr/runtime/python/websocket




### 自定义客户端：




如果您想定义自己的client，参考[websocket通信协议](./websocket_protocol_zh.md)






```




### c++ 服务端：




#### VAD