针对使用此工具来进行训练（非开发）

一.准备工作：

1.启动后台的数据集采集程序：

先执行java -version  确保使用的是java21,如果不是就输入sudo update-alternatives --config java  切换
后台：
cd /home/boying/IdeaProjects/asr_datasets
nohup java -jar AutoLabelASR > output.log 2>&1 &
前端：
控制台输入idea打开，启动AutoLabelASR项目，记得node选20.19,可以用nvm use 20.19.5命令，然后npm run dev会打开https接口

2.清库清文件

192.168.0.5的数据库asr_datasets每次重新训练时需要清库，不然会有之前已经训练好的重复数据，

同样cd /home/boying/IdeaProjects/asr_datasets  项目启动文件里的upload文件夹需要清空

3.进行采集

浏览器打开https://192.168.0.5:1443页面，输入要识别的正确文本，点击开始录音,录入文本对应的语音，
点击保存到数据库，每次录入建议100条以上，点击导出excel

二.训练流程：

1.文件生成：

vscode打开项目FunASRxl-0313，把导出的excel复制到根目录，命名为”音频标注数据.xlsx“，打开终端(右上角的切换面板),依次执行：
conda activate fun_asr_xl   #切换虚拟环境
python gen_funasr_file.py  #生成文件
执行完看data/train目录下有没有生成train_text.txt和train_wav.scp文件
把项目启动文件里的upload文件夹里的audio文件拷贝到data/train/wav目录下

2.开始训练：

分为paraformer和sensvoice两个模型训练，以后可能会多whisper和nano-2512,操作方法相同paraformer举例：
cd /home/boying/IdeaProjects/FunASRxl-0313/examples/industrial_data_pretraining/paraformer
./finetune.sh   会看到控制台输出：开始funasr
训练结束后会看到模型保存在xxx目录下，里面有很多model模型（因为有训练轮次，每一次都会生成模型），有个model.pt.best（最优模型）即可成功
需要把整个文件夹另存到别的目录，下一次训练会覆盖此目录，model只留best那个