fasr 0.3.0

FASR: Fast Automatic Speech Recognition

🪐 项目: fasr

Fast Auto Speech Recognition

📋 简介

fasr是一款快速且易于使用的python库，它源于FunASR，专注于推理性能，目标是成为一个工业级别的python语音识别推理库。

📋 安装

fasr可以通过直接通过pip安装，但是如果需要使用gpu，需要手动安装pytorch和onnxruntime-gpu

• 安装pytorch： 通过官网安装对应cuda版本
• 安装onnxruntime-gpu: 通过官网安装对应cuda版本
• 安装fasr

pip install fasr --upgrade

📋 使用

• 下载模型

fasr prepare online # 实时语音识别模型
fasr prepare offline # 离线语音识别模型

• 构建离线语音识别pipeline

from fasr import AudioPipeline

# 语音识别pipeline: 端点检测->语音识别->添加标点
asr = AudioPipeline().add_pipe('detector').add_pipe('recognizer').add_pipe('sentencizer')

# 运行pipeline并获取文本
url = "https://xxxxx.mp3"
audio = asr(url)
for channel in audio.channels:
    print(channel.text)

# 批次处理
urls = get_urls()
audios = asr.run(urls)
# 获取文本
for audio in audios:
    for channel in audio.channels:
        print(channel.text)

• 构建实时语音识别pipeline

from fasr import AudioPipeline, Audio
asr = AudioPipeline().add_pipe("online_detector").add_pipe("online_recognizer")

# 模拟流式接收音频流
waveform, sample_rate, is_last = get_waveform_from_stream()
audio_chunk = Audio().append_channel()
audio_chunk.is_last = ia_last
audio_chunk.channels[0].waveform = waveform
audio_chunk.channels[0].sample_rate = sample_rate
for token in asr(audio_chunk).channels[0].stream:
    print(token.text)
# 清除cache，恢复组件初始状态
asr.get_pipe("online_recognizer").component.reset()
asr.get_pipe("online_detector").component.reset()

📋 性能对比

双通道音频

vad->asr->punc

测试结果

cpu: Intel(R) Xeon(R) Silver 4210 CPU @ 2.20GHz (wpai cpu 2核)

gpu: rtx6000 （wpai vgpu 20）

框架	耗时	推理速度	加速比
funasr	368.8s	46.34	1.0
fasr	153.92s	111.03	2.4

vad

测试结果

cpu: Intel(R) Xeon(R) Silver 4210 CPU @ 2.20GHz (wpai cpu 2核)

gpu: rtx6000 （wpai vgpu 20）

框架	耗时	推理速度	加速比
funasr	219.8s	77.75	1.0
fasr	86.32s	197.98	2.55

单通道音频

pipeline

vad->asr->punc

测试结果

cpu: Intel(R) Xeon(R) Silver 4210 CPU @ 2.20GHz (wpai cpu 2核)

gpu: rtx6000 （wpai vgpu 20）

框架	耗时	推理速度	加速比
funasr	123.8s	22.05	1.0
fasr	59.04s	46.24	2.1

vad

测试结果

cpu: Intel(R) Xeon(R) Silver 4210 CPU @ 2.20GHz (wpai cpu 2核)

gpu: rtx6000 （wpai vgpu 20）

框架	耗时	推理速度	加速比
funasr	59.26s	46.07	1.0
fasr	36.84s	74.1	1.61

AISHELL

pipeline

vad->asr->punc

测试结果

cpu: Intel(R) Xeon(R) Silver 4210 CPU @ 2.20GHz (wpai cpu 2核)

gpu: rtx6000 （wpai vgpu 20）

框架	耗时	推理速度	加速比
funasr	123.8s	18.65	1.0
fasr	59.04s	32.71	1.8