FunASR/README_zh.md

(English|简体中文|日本語|한국어)

工业级语音识别。比 Whisper 快 170 倍。支持 50+ 语言。
说话人分离 · 情感识别 · 流式转写 · 一次调用搞定

快速开始 · 性能评测 · 模型列表 · Agent 集成 · 文档

---

快速开始

pip install funasr

from funasr import AutoModel

model = AutoModel(model="iic/SenseVoiceSmall", vad_model="fsmn-vad", spk_model="cam++", device="cuda")
result = model.generate(input="meeting.wav")

输出 — 带说话人标签、时间戳和标点的结构化文本：

[00:00.4 → 00:03.8] 说话人0: 我们今天讨论一下 Q3 的计划。
[00:04.2 → 00:07.1] 说话人1: 好的，我有三个要点。
[00:07.5 → 00:12.3] 说话人0: 请讲，我们还有 30 分钟。

一个模型、一次调用 — VAD 分段、语音识别、标点恢复、说话人分离全部自动完成。

部署为 API 服务： funasr-server --device cuda → 本地 OpenAI 兼容接口 localhost:8000

接入 AI Agent： MCP 服务 支持 Claude/Cursor · OpenAI API 支持 LangChain/Dify/AutoGen

为什么选 FunASR？

	FunASR	Whisper	云端 API
速度	170 倍实时	13 倍实时	~1 倍实时
说话人识别	✅ 内置	❌ 需要 pyannote	✅ 额外付费
情感识别	✅ 开心/悲伤/愤怒	❌	❌
语言数	50+	57	因服务而异
流式识别	✅ WebSocket	❌	✅
私有部署	✅ MIT 开源	✅ MIT 开源	❌ 仅云端
费用	免费	免费	¥0.04/分钟起
CPU 可用	✅ 17 倍实时	❌ 太慢	不适用

---

性能评测

184 条长音频（共 192 分钟）。完整报告 →

模型	GPU 速度	CPU 速度	对比 Whisper-large-v3
SenseVoice-Small	170 倍实时	17 倍实时	🚀 快 13 倍
Paraformer-Large	120 倍实时	15 倍实时	🚀 快 9 倍
Whisper-large-v3-turbo	46 倍实时	❌	快 3.4 倍
Fun-ASR-Nano	17 倍实时	3.6 倍实时	快 1.3 倍
Whisper-large-v3	13 倍实时	❌	基准

一句话： FunASR 在 CPU 上的速度，比 Whisper 在 GPU 上还快。

---

最新动态

• 2026/05/24：vLLM 推理引擎 — Fun-ASR-Nano 解码加速 2-3 倍。支持流式 WebSocket 服务（VAD + 说话人分离 + 热词）。文档 →
• 2026/05/24：动态 VAD — 自适应静音阈值（默认开启），短句不切碎、长句自动切分。详情 →
• 2026/05/24：v1.3.3 — funasr-server 命令行工具、OpenAI 兼容 API、MCP 服务。pip install --upgrade funasr
• 2026/05/20：新增 Qwen3-ASR (0.6B/1.7B)，52 种语言自动检测。使用方法
• 2026/05/20：新增 GLM-ASR-Nano (1.5B)，17 种语言，方言优化。使用方法
• 2026/05/19：Fun-ASR-Nano 和 SenseVoice 支持说话人分离。
• 2025/12/15：Fun-ASR-Nano-2512 上线。

更早

• 2024/10/10：支持 Whisper-large-v3-turbo。
• 2024/07/04：SenseVoice 发布。
• 2024/01/30：FunASR 1.0 发布。

---

安装

pip install funasr

从源码安装

git clone https://github.com/modelscope/FunASR.git && cd FunASR
pip install -e ./

环境要求：Python ≥ 3.8、PyTorch ≥ 1.13、torchaudio

---

模型列表

模型	任务	语言	参数量	链接
Fun-ASR-Nano	识别 + 时间戳	31 种语言	800M	⭐ 🤗
SenseVoiceSmall	识别 + 情感 + 事件	中/英/日/韩/粤	234M	⭐ 🤗
Paraformer-zh	识别 + 时间戳	中/英	220M	⭐ 🤗
Paraformer-zh-streaming	流式识别	中/英	220M	⭐ 🤗
Qwen3-ASR	识别，52 种语言	多语言	1.7B	使用
GLM-ASR-Nano	识别，17 种语言	多语言	1.5B	使用
Whisper-large-v3	识别 + 翻译	多语言	1550M	使用
Whisper-large-v3-turbo	识别 + 翻译	多语言	809M	使用
ct-punc	标点恢复	中/英	290M	⭐ 🤗
fsmn-vad	语音检测	中/英	0.4M	⭐ 🤗
cam++	说话人分离	—	7.2M	⭐ 🤗
emotion2vec+large	情感识别	—	300M	⭐ 🤗

---

使用示例

完整参数文档：教程 →

from funasr import AutoModel

# 中文生产级（VAD + 识别 + 标点 + 说话人）
model = AutoModel(model="paraformer-zh", vad_model="fsmn-vad", punc_model="ct-punc", spk_model="cam++", device="cuda")
result = model.generate(input="meeting.wav", hotword="关键词 20")

# 31 种语言 + 时间戳
model = AutoModel(model="FunAudioLLM/Fun-ASR-Nano-2512", hub="hf", trust_remote_code=True,
                  vad_model="fsmn-vad", vad_kwargs={"max_single_segment_time": 30000}, device="cuda")
result = model.generate(input="audio.wav", batch_size=1)

# 流式实时识别
model = AutoModel(model="paraformer-zh-streaming", device="cuda")
result = model.generate(input="chunk.wav", cache={}, chunk_size=[0, 10, 5])

# 情感识别
model = AutoModel(model="emotion2vec_plus_large", device="cuda")
result = model.generate(input="audio.wav", granularity="utterance")

---

部署

# OpenAI 兼容 API（推荐）
pip install funasr fastapi uvicorn python-multipart
funasr-server --device cuda
# → POST /v1/audio/transcriptions，地址 localhost:8000

# Docker 流式服务
docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-online-cpu-0.1.12

部署文档 → · Agent 集成 →

---

社区

📖 文档	🐛 问题反馈
💬 讨论	🤗 HuggingFace

Star 趋势

许可证

MIT License

引用

@inproceedings{gao2023funasr,
  author={Zhifu Gao and others},
  title={FunASR: A Fundamental End-to-End Speech Recognition Toolkit},
  booktitle={INTERSPEECH},
  year={2023}
}