fasr 0.3.9

FASR: Fast Automatic Speech Recognition Pipeline

fasr

Fast Automatic Speech Recognition — 工业级 Python 语音识别推理库，源于 FunASR，专注推理性能。

安装

pip install fasr

固定安装当前版本（0.3.9）：

pip install "fasr==0.3.9"

快速开始

fasr 的模型能力通过流水线插件提供，需要先安装对应的插件包：

pip install fasr-paraformer

import fasr

# 加载流水线（首次运行会自动下载模型权重）
asr = fasr.load("paraformer")

# 单条识别
audio = asr("example.wav")
print(audio.text)

# 批次识别
audios = asr.run(["1.wav", "2.wav", "3.wav"])
for audio in audios:
    print(audio.text)

# 流式返回（大批量场景，逐条 yield）
for audio in asr.stream(["1.wav", "2.wav", "3.wav"]):
    print(audio.text)

自定义流水线

from fasr import AudioPipeline

# 组件：端点检测 → 语音识别 → 标点恢复
asr = (
    AudioPipeline()
    .add_pipe("detector")
    .add_pipe("recognizer")
    .add_pipe("sentencizer")
)

audio = asr("https://example.com/audio.mp3")
for channel in audio.channels:
    print(channel.text)

流水线插件

fasr 通过插件机制加载模型流水线，安装插件包即可使用：

插件	安装	流水线	组件构成	说明
fasr-paraformer	pip install fasr-paraformer	paraformer	FSMN VAD → Paraformer → CT-Transformer	通用中文离线识别，带时间戳
		seaco_paraformer	FSMN VAD → Seaco-Paraformer → CT-Transformer	支持热词的离线识别

# 通用识别
asr = fasr.load("paraformer")

# 带热词的识别
asr = fasr.load("seaco_paraformer")

实时语音识别服务

fasr 内置 WebSocket 实时语音识别服务：

# 启动服务
pip install fasr[serve]
fasr serve online --port 27000

支持参数：

参数	默认值	说明
--asr-model	stream_paraformer.torch	流式 ASR 模型
--vad-model	stream_fsmn.torch	流式 VAD 模型
--vad-chunk-size-ms	100	VAD chunk 大小 (ms)
--vad-end-silence-ms	500	最大结束静音时间 (ms)
--punc-model	None	标点恢复模型
--device	自动检测	cpu / cuda / mps

CLI 工具

# 基准测试
fasr benchmark pipeline <name> --input data/ --batch-size 4
fasr benchmark vad --urls data/ --model fsmn
fasr benchmark asr --urls data/ --model paraformer

# 流式测试（支持麦克风交互模式）
fasr benchmark stream_vad --model stream_fsmn.torch --interactive
fasr benchmark stream_asr --model stream_paraformer.torch --interactive

性能对比

测试环境：CPU Intel Xeon Silver 4210 @ 2.20GHz (2核)，GPU RTX 6000

完整流水线 (VAD → ASR → Punc)

场景	FunASR	fasr	加速比
双通道音频	368.8s (46x)	153.9s (111x)	2.4x
单通道音频	123.8s (22x)	59.0s (46x)	2.1x
AISHELL	123.8s (19x)	59.0s (33x)	1.8x

VAD 单项

场景	FunASR	fasr	加速比
双通道音频	219.8s (78x)	86.3s (198x)	2.6x
单通道音频	59.3s (46x)	36.8s (74x)	1.6x