fasr 0.4.2

FASR: Fast Automatic Speech Recognition Pipeline

fasr

fasr 是一个面向生产场景的 Python 语音推理框架，专注于将语音处理能力以可组合、可扩展的方式落地到工程系统中。

它围绕 AudioPipeline 构建，支持将 VAD、ASR、标点恢复、语种识别等能力按组件自由编排，适用于离线转写、批处理任务和在线服务等场景。

核心特点：

• 插件化模型生态：能力按模型插件解耦，安装即注册，按需组合。
• 工程化流水线：统一数据结构与组件接口，便于维护和扩展。
• 高性能推理：组件异步执行，充分利用多核 CPU / GPU 资源。
• 面向生产：支持批量、流式与服务化部署，便于接入业务系统。

组件介绍

• loader：音频加载组件，负责读取本地或远程音频并构建 Audio 对象。
• detector：端点检测组件（VAD），将音频切分为语音片段（segments）。
• recognizer：语音识别组件（ASR），对每个语音片段进行转写。
• sentencizer：标点恢复与句子切分组件（Punc），将识别结果整理为可读文本。
• identifier：语言识别组件（LID，可选），用于多语言场景下识别语种。
• custom：支持通过 add_pipe() 注入自定义组件，扩展前后处理逻辑。

快速开始

fasr 的模型能力通过模型插件提供，需要先安装对应的插件包：

pip install fasr-vad-marblenet fasr-asr-qwen3

import fasr
from fasr import AudioPipeline

# 加载流水线（首次运行会自动下载模型权重）
asr = (
    AudioPipeline()
    .add_pipe("detector", model="marblenet")
    .add_pipe("recognizer", model="qwen3_0_6b")
)

# 单条识别
audio = asr("example.wav")
for channel in audio.channels:
    print(channel.text)

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

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

模型插件

fasr 通过模型插件机制加载组件能力，按任务安装对应插件后可自由组合流水线：

任务	插件包	典型模型
VAD	fasr-vad-marblenet / fasr-vad-fsmn / fasr-vad-firered	marblenet / fsmn / firered
ASR	fasr-asr-qwen3 / fasr-asr-paraformer / fasr-asr-firered / fasr-asr-fun	qwen3_0_6b / paraformer / firered_aed / fun_asr_nano
Punc	fasr-punc-ct-transformer	ct_transformer
LID	fasr-lid-firered	firered