FunASR 语音转录

本地、免费、高效的语音识别工具，基于阿里巴巴 FunASR 模型。

快速开始

# 1. 安装 FunASR
bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/install.sh

# 2. 转录音频
bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/transcribe.sh /path/to/audio.ogg

安装 FunASR

首次使用需要安装 FunASR 环境（虚拟环境 + 依赖）：

bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/install.sh

安装脚本会：

• 创建 Python 虚拟环境 ~/.openclaw/workspace/funasr_env
• 安装 FunASR、torch、torchaudio、modelscope 等依赖
• 安装完成后，首次转录会自动下载模型文件

安装时间：约 5-10 分钟（取决于网络速度）

系统要求：

• Python 3.7+
• 约 4GB 磁盘空间（虚拟环境 + 模型）
• 推荐 8GB+ 内存

转录音频

安装完成后，转录音频：

bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/transcribe.sh /path/to/audio.ogg

支持的格式：.wav, .ogg, .mp3, .flac, .m4a 等

输出：

• 同目录下生成 <audio_filename>.txt
• 包含转录文本（带标点）

性能：

• CPU 推理：rtf 约 0.05-0.2（1 秒音频约需 0.05-0.2 秒）
• 首次转录需下载模型（约 1-2GB），后续直接使用缓存

技术细节

FunASR 使用以下模型组合：

• ASR 模型：damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch（中文优化）
• VAD 模型：damo/speech_fsmn_vad_zh-cn-16k-common-pytorch（语音活动检测）
• 标点模型：damo/punc_ct-transformer_zh-cn-common-vocab272727-pytorch（标点恢复）

语言支持：

• 中文（普通话 + 方言）
• 英文
• 中英混合

常见问题

Q: 首次转录很慢？ A: 首次运行会自动下载模型文件（约 1-2GB），后续转录会快很多。

Q: 可以用 GPU 吗？ A: 可以。编辑 scripts/transcribe.py，将 device="cpu" 改为 device="cuda:0"，并安装对应的 CUDA 版本依赖。

Q: 转录准确率如何？ A: FunASR 在中文场景下表现优异，通常优于 OpenAI Whisper。建议测试后评估效果。