fasr-asr-firered 0.5.1

FireRed ASR for fasr (bundled fireredasr2 inference)

fasr-asr-firered

基于 FireRedASR2 的语音识别模型插件，为 fasr 提供 AED（CTC + Transformer 解码）和 LLM（语音编码 + 大模型解码）两种推理模式。

安装

pip install fasr-asr-firered

注册模型

注册名	类	默认 checkpoint	说明
firered / firered_aed	FireRedAEDForASR	FireRedTeam/FireRedASR2-AED	AED 模式，支持时间戳，CTC + Transformer 解码
firered_llm	FireRedLLMForASR	FireRedTeam/FireRedASR2-LLM	LLM 模式，语音编码 + 大模型解码，更高精度

模型权重默认从 ModelScope 自动下载。

使用方式

在流水线中使用

from fasr import AudioPipeline

pipeline = (
    AudioPipeline()
    .add_pipe("detector", model="fsmn")
    .add_pipe("recognizer", model="firered_aed", checkpoint_dir="/path/to/aed-ckpt")
    .add_pipe("sentencizer", model="ct_transformer")
)

audio = pipeline("example.wav")
print(audio.text)

单独使用模型

模型实例化时会自动执行 download_checkpoint() + load_checkpoint()：

from fasr.config import registry

# AED 模式（可直接构造字段来覆盖解码参数）
model = registry.asr_models.get("firered_aed")(beam_size=3, return_timestamp=True)
tokens = model.transcribe([waveform_array], sample_rate=16000)

# 使用自定义权重目录
model.load_checkpoint("/path/to/FireRedASR2-AED")

# LLM 模式
model = registry.asr_models.get("firered_llm")(temperature=1.0)
tokens = model.transcribe([waveform_array], sample_rate=16000)

运行期 / 会话参数

公共字段

参数	类型	默认值	说明
checkpoint	str | None	子类各自默认	远程 repo_id；非空时实例化会自动下载
cache_dir	str | Path | None	None	缓存目录，None 使用 fasr.utils.get_cache_dir()
endpoint	Literal["modelscope", "huggingface", "hf-mirror"]	"modelscope"	下载端点
device	str | None	None（自动检测 CUDA）	设备，"cpu" 或 "cuda"
beam_size	int	3	束搜索宽度
decode_max_len	int	0	最大解码长度，0 不限制

FireRedAEDForASR（firered / firered_aed）

参数	类型	默认值	说明
use_half	bool	True	是否使用 FP16 推理
nbest	int	1	N-best 输出数量
softmax_smoothing	float	1.25	Softmax 平滑系数
aed_length_penalty	float	0.6	AED 长度惩罚
eos_penalty	float	1.0	EOS 惩罚系数
return_timestamp	bool	True	是否返回字级时间戳
elm_dir	str	""	外部语言模型目录
elm_weight	float	0.0	外部语言模型权重

FireRedLLMForASR（firered_llm）

参数	类型	默认值	说明
decode_min_len	int	0	最小解码长度
repetition_penalty	float	1.2	重复惩罚系数
llm_length_penalty	float	0.0	LLM 长度惩罚
temperature	float	1.0	采样温度

依赖

• fasr
• torch >= 2.0.0、torchaudio
• transformers >= 4.36
• librosa >= 0.10.0
• kaldiio >= 2.18.0、kaldi-native-fbank >= 1.19.0
• Python 3.10–3.12