modelscope /FunASR
Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.
★ 21,033⑂ 2,129👁 113⑃ 2,001● 1,809▤ 87
+8
日增长
+109
周增长
+329
月增长
21,033
stars
2,129
forks
113
watchers
2,001
prs
1,809
issues
87
releases
README
(English|简体中文|日本語|한국어) 面向离线、流式与边缘部署的工业级语音识别工具箱。 ASR · VAD · 标点 · 说话人 pipeline · 情感与音频事件模型 · OpenAI 兼容服务 快速开始 · 模型选择 · 模型列表 · 部署选型 · 部署中心 · 文档中心 · 性能评测 · 贡献 --- 快速开始 原生 Transformers 使用 Hugging Face API 转写 Fun-ASR-Nano,先看 Transformers 5.17.0 CPU 快速开始,不需要安装 FunASR 工具库或执行远程 Python 代码。 Space · Notebook · Python / batch examples FunASR 工具库与流水线 不想先配置本地环境?可以打开 Colab 快速体验 在浏览器里转写公开样例或上传自己的音频。 FunASR 对你有帮助?欢迎 Star 项目,让更多开发者找到它。 bash pip install torch torchaudio pip install funasr 如果要运行 GPU quickstart,请先按 pytorch.org 选择与你的 NVIDIA driver 匹配的 PyTorch / torchaudio CUDA wheel,再安装 FunASR。 安装后先确认 GPU 可见: bash python - 部署为 API 服务: 本地 SenseVoice CPU 配方 · Nano GPU 服务与固定版本 vLLM 环境 接入 AI Agent: MCP 服务 支持 Claude/Cursor · OpenAI API 支持 LangChain/Dify/AutoGen 接入语音 Agent: OpenClaw 实时转写插件(实验性;依赖尚未合并的上游 SDK 补丁)· Hugging Face speech-to-speech + SenseVoice(已合入源码,v1.0.0 尚未包含) 为什么选 FunASR? FunASR 是工具箱,需要分别选择任务、checkpoint 和运行时。 一个模型或适配器支持的能力,不代表所有服务后端都支持。 | 任务 | Checkpoint 或 pipeline | 运行时入口 | 主要边界 | |---|---|---|---| | 文件转写及情感/事件标签 | SenseVoiceSmall | Python AutoModel,CPU 或 GPU | 五语种 checkpoint;标签不代表说话人身份。 | | LLM 文件转写 | Fun-ASR-Nano | AutoModel;文档指定的 GPU 拆分引擎 AutoModelVLLM | 基础 Nano 覆盖中/英/日及中文方言/口音;时间戳取决于 checkpoint 和路径。 | | 更多语种的文件转写 | Fun-ASR-MLT-Nano | Python AutoModel | 独立的 31 语种 checkpoint,不能把其覆盖范围归给基础 Nano。 | | 分块实时转写 | Paraformer-zh-streaming | 流式 SDK 或 runtime WebSocket 服务 | 使用流式 checkpoint 和会话独立 cache,不能替换为离线 checkpoint。 | | 带说话人的文件转写 | SenseVoiceSmall + FSMN-VAD + CAM++ | AutoModel 的 VAD 与嵌入聚类 | 编号仅在当前录音内有效,不是已注册人物身份识别。 | | 联合文本、时间戳与说话人 | 第三方 OpenMOSS 的 MOSS-Transcribe-Diarize | MOSS 指南中的 FunASR adapter 或上游后端 | 离线、录音内匿名标签;统一路径不外接 VAD/说话人 pipeline。 | | 原生 CPU/端侧转写 | Fun-ASR-Nano 或 SenseVoiceSmall GGUF | llama.cpp runtime | 需要匹配的转换权重,GGUF 不能作为 Python AutoModel checkpoint 加载。 | Checkpoint、接口与协议边界见 Model Zoo 和 部署矩阵。请用目标音频与硬件评测后再选运行时。 第一次试用 FunASR?可以先跑 Colab 快速体验,再配置本地环境。还不确定先用哪个模型?先看 模型选择指南。计划从 Whisper 或云端 ASR 切换?请按 迁移指南 和 评测示例 用代表性音频评测、映射功能并安全上线。 --- 性能评测 历史评测报告 与 拆分引擎测量 保留原始结果。 两者是独立记录,不能合并成通用速度排名或生产容量承诺。 请按 RTFx 与可复现评测说明 对齐 checkpoint/revision、音频集、硬件、批量大小、预热、计时范围与 CER/WER。 离线吞吐量不等于流式延迟;可使用 迁移评测示例 以相同口径测量自己的录音。 --- 最新动态 - MOSS-Transcribe-Diarize 已接入 FunASR 服务、Docker、Kubernetes、vLLM/SGLang 工作流和 FunClip,一次完成长音频转写、时间戳与匿名说话人标注。部署 MOSS - - FunASR 1.4.26 保留英语、韩语 VAD 分段间的词间空格,并让 HTTP response_format=text 返回纯文本。 3874, 3883. python -m pip install -U "funasr==1.4.26". Release / 验证范围 FunASR 1.4.25 修复 Python 3.12 下不依赖 distutils 的布尔参数解析并保留归一化错误信息;移除拉丁文字句子时间戳中的多余前导空格,保留时间边界和原始文本。修复 3863、修复 3866。安装:python -m pip install -U "funasr==1.4.25"。发布说明与验证范围 - FunASR 1.4.24 忽略空的非语言符号以避免分词死循环,修复带填充输入的方差归一化,并避免包含零触发样本的混合批次导致 CIF 崩溃。修复 3852、修复 3853、修复 3854。同时启用 norm_means=True 和 norm_vars=True 训练的 checkpoint 会收到不同的归一化特征,需要重新评估识别质量;默认仍为 norm_vars=False。安装:python -m pip install -U "funasr==1.4.24"。发布说明与验证范围 - FunASR 1.4.23 修复 lfr_m=lfr_n=1 在线前端的帧游标和离线 VAD 多余的空尾块。提供 token_list 时,SentencePiece 的 ids2tokens 返回模型词元,请用
Top issues
#3302增加Hotwords會造成語句變短及亂取代其他文字34 comments · 2026-07-22#3203建议给一个 roadmap28 comments · 2026-07-12#3479[Bug] Vulkan backend crashes on AMD GPUs on Windows (0xc0000005)22 comments · 2026-08-07#3038关于serve_realtime_ws.py服务的客户端测试达不到实时16 comments · 2026-06-29#3773中文断句的老问题,才发现代码调用和命令行方式运行的结果好像是有差别的,不一定适用所有音频文件哈11 comments · 2026-10-14#3825Fun-ASR-Nano-2512、SenseVoice复合流水线的 NPU 性能/兼容性9 comments · 2026-11-02#3496Fun-ASR-Nano Hugging Face checkpoint is missing 86 CTC tensors required for timestamps and diarization9 comments · 2026-08-14#3388SenseVoice-Small 增量微调:保留普通话+粤语的前提下新增潮汕话识别,如何避免灾难性遗忘?9 comments · 2026-07-23
Discussions
#3900License confirmation for bundling sherpa-onnx-paraformer-zh-small-2024-03-09 in a closed-source commercial Android app1 comments · 2026-11-14#3720FunASR v1.4.16: reliable mixed-device submodels and native Transformers guides0 comments · 2026-09-18#3642FunASR v1.4.14: portable source archives and verified runtimes0 comments · 2026-09-04#3586MOSS-Transcribe-Diarize joins the FunASR ecosystem / MOSS 一体化转写与说话人分段已接入 FunASR0 comments · 2026-08-30#3536FunASR 1.4.5: lighter Python install and nine-platform llama.cpp runtimes / 更轻安装与九平台运行时0 comments · 2026-08-27#3525Possible Paraformer timestamp issues in the Hugging Face full pipeline and GPU dynamic batching4 comments · 2026-08-25#3521FunASR 1.4.3: optional Silero VAD and fixed-K speaker clustering / 可选 Silero VAD 与固定 K 聚类0 comments · 2026-08-21#3513FunASR-nano-2512 + vLLM的AutoModelVLLM是否可以支持输出sentence_info句子级别的时间戳1 comments · 2026-08-17
Latest release
v1.4.26 v1.4.26 2026-11-12Final Publication Acceptance GitHub Release and PyPI 1.4.26 are published. Both official PyPI distributions were downloaded and match GitHub by SHA-256 and size: - funasr-1.4.26-py3-none-any.whl: 1015738 bytes; SHA-256 104e3704fed0ecfd6c08836468de147a2c6f05745281093b8a6dbe341d1ce831. - funasr-1.4.26.tar.gz: 1086172 bytes; SHA-256 763c7d860a49afd17e4b9c0636ff43f03f6519e68bd0a09a25d68318091e2cf8. FunASR 1.4.26 Source: cdd82b5cbfd05015f8fb2b167d61f25142c3a9e8 / tag v1.4.26. Fixes - 3874: response_format=text now returns the bare HTTP transcript instead of a JSON-quoted string. - 3872 / 3