登录 注册
AI 模型与开发框架图像、视频与音频开发者工具 asraudiochineseemotion-recognitionfunasrmcp-server
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

[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](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)
阅读原仓库文档
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。