FunASR
20,994
Stars
2,119
Forks
113
Watchers
58
Open Issues
MIT
许可证
Python
语言
2022-11-24
创建时间
2026-11-10
最近更新
项目能做什么
支持训练、推理、流式 ASR、VAD、标点恢复及 OpenAI/MCP 兼容服务的开源语音识别工具包。
来源:AI 基于仓库事实生成
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
([简体中文](./README_zh.md)|English|[日本語](./README_ja.md)|[한국어](./README_ko.md)) <p align="center"> <a href="https://github.com/modelscope/FunASR"><img src="https://svg-banners.vercel.app/api?type=origin&text1=FunASR🤠&text2=💖%20A%20Fundamental%20End-to-End%20Speech%20Recognition%20Toolkit&width=800&height=210" alt="FunASR"></a> </p> <p align="center"> <strong>Industrial speech recognition toolkit for offline, streaming, and edge deployment.</strong><br> <em>ASR · VAD · punctuation · speaker pipelines · emotion and audio-event models · OpenAI-compatible serving</em> </p> <p align="center"> <a href="https://pypi.org/project/funasr/"><img src="https://img.shields.io/pypi/v/funasr" alt="PyPI"></a> <a href="https://github.com/modelscope/FunASR"><img src="https://img.shields.io/github/stars/modelscope/FunASR?style=social" alt="Stars"></a> <a href="https://pypi.org/project/funasr/"><img src="https://img.shields.io/pypi/dm/funasr" alt="Downloads"></a> <a href="https://modelscope.github.io/FunASR/"><img src="https://img.shields.io/badge/docs-online-blue" alt="Docs"></a> <a href="https://mcptoplist.com/server/io.github.modelscope%2Ffunasr-mcp"><img src="https://mcptoplist.com/badge/io.github.modelscope%2Ffunasr-mcp.svg" alt="MCP Toplist"></a> </p> <p align="center"> <a href="https://trendshift.io/repositories/10479" target="_blank"><img src="https://trendshift.io/api/badge/repositories/10479" alt="modelscope%2FFunASR | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a> </p> <p align="center"> <a href="#quick-start">Quick Start</a> · <a href="./docs/model_selection.md">Model selection</a> · <a href="#model-zoo">Models</a> · <a href="./docs/deployment_matrix.md">Deployment matrix</a> · <a href="https://www.funasr.com/">Deployment hub</a> · <a href="https://www.funasr.com/en/docs/">Docs</a> · <a href="#benchmark">Benchmark</a> · <a href="./CONTRIBUTING.md">Contribute</a> </p> --- ## Quick Start ### Native Transformers For Fun-ASR-Nano transcription with the Hugging Face API, start with the [Transformers 5.17.0 CPU quickstart](./docs/transformers_native.md). No FunASR toolkit or remote Python code is needed. [Space](https://huggingface.co/spaces/FunAudioLLM/Fun-ASR-Nano) · [Notebook](https://colab.research.google.com/github/QwenAudio/Fun-ASR/blob/main/examples/colab/fun_asr_nano_transformers.ipynb) · [Python / batch examples](https://github.com/QwenAudio/Fun-ASR/tree/main/examples/transformers) ### FunASR toolkit and pipelines [](https://colab.research.google.com/github/modelscope/FunASR/blob/main/examples/colab/funasr_quickstart.ipynb) No local setup? Open the [Colab quickstart](./examples/colab/) to transcribe a public sample or upload your own audio in a browser. Found FunASR useful? [Star the project](https://github.com/modelscope/FunASR) so more builders can find it. ```bash # CPU-only installs can use the default PyPI wheel阅读完整原文
商业机会分析 AI 生成
跨平台本地离线音视频转录与会议笔记客户端
| 产品构想 | 利用FunASR对中文高准确度(Paraformer/SenseVoice)及说话人分离(Diarization)的能力,打包本地优先(Local-First)的桌面端音频转录与纪要工具,主打零泄露、不限时长、极速出稿。 |
| 核心功能 | 本地长音频/视频拖拽转写、精准区分说话人、自动标点与时间轴对齐、情绪标注、导出Markdown/SRT字幕、接入本地LLM一键生成纪要 |
| 目标用户 | 记者、律师、文字工作者、播客主及注重隐私的职场会议记录者 |
| 难度/周期 | 中等 · 1 - 2 个月 · 成本:开发设备(带GPU/Apple Silicon的PC)、代码签名证书及前端UI开发开销(约 2000 - 5000 元) |
| 收费模式 | 买断制(如 99-199 元/授权)或专业版订阅,提供后续模型更新与功能升级 |
| 竞争风险 | 跨平台打包体积大(PyTorch及模型权重);低配设备推理性能差异导致体验不一致 |
| 依据 | 已验证事实 |
面向 AI Agent 的 MCP 实时语音交互中间件
| 产品构想 | 基于项目官方的 MCP-server 特性与流式 ASR 能力,开发专为 Cursor、Claude Desktop 等 AI Agent 客户端设计的即插即用语音流输入与控制插件。 |
| 核心功能 | 低延迟流式语音转文本输入、VAD静音切片、MCP协议适配、热键唤醒与上下文代码自动感知修正 |
| 目标用户 | 使用 Cursor/Claude 编写代码或进行复杂交互的开发者、重度 AI 工具使用者 |
| 难度/周期 | 较低 · 2 - 4 周 · 成本:极低(主要是本地开发与MCP插件测试环境) |
| 收费模式 | 高级功能增值订阅(如云端多模型加速中继、多语言自动切换、自定义词库增强) |
| 竞争风险 | MCP生处于发展早期,用户群相对垂直且极客,付费规模可能有限 |
| 依据 | AI推测 |
中小企业轻量级私有化语音质检与转录 API 镜像
| 产品构想 | 将 FunASR(VAD + ASR + Punc + Diarization)封装为标准的 OpenAI 兼容接口及一键私有化部署 Docker 镜像,为中小呼叫中心、教培机构提供开箱即用的录音文件转文字与分析服务。 |
| 核心功能 | OpenAI Audio 兼容接口、批量离线文件异步处理队列、热词(专有名词)配置控制台、可视化转写监控面板 |
| 目标用户 | 中小呼叫中心集成商、在线教育质检团队、企业IT运维 |
| 难度/周期 | 中等 · 1 - 2 个月 · 成本:轻量云服务器/测试用GPU算力成本(约 1000 - 2000 元/月) |
| 收费模式 | 商业版 Docker 镜像授权许可费(单节点买断或年付)、企业私有化交付实施与技术支持服务费 |
| 竞争风险 | 企业客户采购决策周期较长;对垂直行业术语的识别精度有持续调优要求 |
| 依据 | 数据支持的判断 |
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| fighting41love/funNLP | 中文介绍暂未生成 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、 |
84,505 | Python |
| m-bain/whisperX | 中文介绍暂未生成 WhisperX: Automatic Speech Recognition with Word-level Time |
25,200 | Python |
| NVIDIA-NeMo/Speech | 中文介绍暂未生成 A scalable generative AI framework built for researchers and |
18,724 | Python |
| k2-fsa/sherpa-onnx | 中文介绍暂未生成 Speech-to-text, text-to-speech, speaker diarization, speech |
15,863 | C++ |
| kaldi-asr/kaldi | 中文介绍暂未生成 kaldi-asr/kaldi is the official location of the Kaldi projec |
15,513 | Shell |
| alphacep/vosk-api | 中文介绍暂未生成 Offline speech recognition API for Android, iOS, Raspberry P |
15,241 | Jupyter Notebook |
以上为通过 GitHub 官方 Search API 检索的相似项目,功能差异与优劣势需进一步人工确认,配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 2022-11-24,近 30 天仍在推送,发布过 82 个 Release |
| 社区活跃 | Star 20,994 / Fork 2,119 / Issue 58(数据支持,可自行核实) |
| 许可证 | MIT |
| 主要风险 | 上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价 |
安装与使用
快速开始(以仓库 README 为准)
git clone https://github.com/modelscope/FunASR.git cd FunASR # 请阅读仓库 README 获取确切安装步骤(依赖、配置、启动命令)
术语说明:Docker=应用容器(把程序和依赖打包运行);API Key=调用外部服务的密钥;Git Clone=把仓库代码下载到本地。常见错误:API Key 未配置 / 端口占用 / 数据库连接失败,多数项目在 README 的 Troubleshooting 章节有说明。