fasr-asr-funasr 0.5.8

Fun ASR model for fasr

fasr-asr-funasr

英文文档地址: README_EN.md

Fun-ASR-Nano 语音识别插件。该插件封装 funasr.AutoModel，把整段识别文本写入 AudioSpan.raw_text，不返回词级或字级时间戳。

安装

pip install fasr-asr-funasr

注册模型

注册名	类	适用场景
fun_asr_nano	FunASRNano	轻量 FunASR 识别，无时间戳输出

默认 checkpoint 是 FunAudioLLM/Fun-ASR-Nano-2512。

流水线使用

from fasr import AudioPipeline

pipeline = (
    AudioPipeline()
    .add_pipe("detector", model="fsmn")
    .add_pipe(
        "recognizer",
        model="fun_asr_nano",
        device="cuda:0",
        language="中文",
        itn=True,
    )
    .add_pipe("sentencizer", model="ct_transformer")
)

目标	写法	效果
CPU 推理	device="cpu"	不依赖 CUDA，但通常更慢
使用第一张 GPU	device="cuda:0"	使用 GPU 0
关闭数字/日期规范化	itn=False	保留更接近口语的文本
固定语言提示	language="中文"	把语言标签传给 FunASR

Confection 配置

[asr_model]
@asr_models = "fun_asr_nano"
device = "cuda:0"
language = "中文"
itn = true
batch_size = 1

放在流水线里：

[pipeline]
@pipelines = "AudioPipeline.v1"
pipe_order = ["recognizer"]

[pipeline.pipes]

[pipeline.pipes.recognizer]
@pipes = "thread_pipe"
batch_size = 4

[pipeline.pipes.recognizer.component]
@components = "recognizer"

[pipeline.pipes.recognizer.component.model]
@asr_models = "fun_asr_nano"
device = "cuda:0"
language = "中文"
itn = true
batch_size = 1

单独使用

from fasr.config import registry

model = registry.asr_models.get("fun_asr_nano")()
model.device = "cuda:0"

spans = model.transcribe(audio_spans, hotwords=["fasr"], language="中文")
for span in spans:
    print(span.text)

使用本地权重：

model.load_checkpoint("/path/to/Fun-ASR-Nano")

参数

参数	类型 / 范围	默认值	调高 / 开启时	调低 / 关闭时	什么时候改
device	str	"cuda:0"	选择 CUDA 设备，如 "cuda:1"	"cpu" 使用 CPU	部署设备变化
language	str	"中文"	更强语言提示	换成其它支持的语言标签	已知音频语言
itn	bool	True	规范化数字、日期等	保留较原始文本	需要口语形式输出
batch_size	int >= 1	1	吞吐更高，占用更多内存	内存更省，吞吐更低	批量推理调优
trust_remote_code	bool	True	允许加载 checkpoint 自定义代码	更安全，但部分模型可能加载失败	使用不可信 checkpoint

输出

• 写入 span.raw_text。
• 不填充 span.tokens，因为 Fun-ASR-Nano 不返回时间戳。
• 读取 span.text 即可得到识别文本。

依赖

• fasr
• funasr
• Python 3.10-3.12