Modelo de reconocimiento de voz de propósito general que transcribe y traduce audio, e identifica su idioma en muchas lenguas.
110,9 mil13,4 milPythonMITActualizado hace 2 meses
modelscope/FunASR
Kit open source de reconocimiento de voz para ASR offline y en streaming, con VAD, puntuación, etiquetas de hablante y servicio compatible con OpenAI.
Alternativa open source a:Google Cloud Speech-to-Text
Azure AI Speech
- Estrellas
- 20,765
- Forks
- 2,088
- Issues abiertos
- 48
- Último commit
- anteayer
¿Qué es?
FunASR es un kit de herramientas de Python de ModelScope para convertir voz en texto. Incluye modelos ASR preentrenados como SenseVoiceSmall, Paraformer y Fun-ASR-Nano, junto con componentes para la detección de actividad de voz (FSMN-VAD, Silero VAD), la restauración de puntuación (ct-punc) y los embeddings de hablante (CAM++), que pueden encadenarse en un mismo pipeline mediante la interfaz AutoModel.
Además de transcribir archivos, admite reconocimiento en streaming por fragmentos con caché por sesión, reconocimiento de emociones y etiquetas de eventos de audio de SenseVoice, e inferencia por lotes mediante vLLM para Fun-ASR-Nano. Una herramienta de línea de comandos genera JSON o subtítulos SRT, y funasr-server ofrece un endpoint de transcripción al estilo de OpenAI. Un runtime de llama.cpp/GGUF proporciona un binario solo para CPU que no requiere Python.
Funciones clave
- 01Transcripción offline con modelos como SenseVoiceSmall, Paraformer y Fun-ASR-Nano.
- 02Reconocimiento en streaming por fragmentos para audio en directo.
- 03VAD, restauración de puntuación y etiquetado de hablantes como componentes combinables en un pipeline.
- 04Servidor de transcripción compatible con OpenAI y servidor MCP para agentes de IA.
- 05Interfaz de línea de comandos que genera JSON o subtítulos SRT.
- 06Versión de llama.cpp/GGUF para CPU y dispositivos edge, sin Python.
Casos de uso
- Transcribir reuniones o entrevistas en chino con información sobre hablantes y marcas de tiempo.
- Generar subtítulos SRT por lotes para archivos de video o audio.
- Crear sistemas de subtitulado en directo o asistentes de voz basados en ASR en streaming.
- Sustituir una API de Whisper o de ASR en la nube por un endpoint autohospedado compatible con OpenAI.
Inicio rápido
- 1
Instala PyTorch y torchaudio (por defecto, wheels para CPU).
pip install torch torchaudio - 2
Instala FunASR desde PyPI.
pip install funasr - 3
Ejecuta el ejemplo de Python con AutoModel (Fun-ASR-Nano; usa device="cuda" solo si se ha verificado que hay una GPU).
Antes de usarlo
- El ejemplo de Fun-ASR-Nano para GPU requiere una GPU NVIDIA verificada y wheels de PyTorch con CUDA compatibles.
- Los pesos de los modelos tienen licencias independientes de la licencia MIT del toolkit, y algunos modelos son de terceros.
Temas
Preguntas frecuentes
- ¿Qué es FunASR?
- Kit open source de reconocimiento de voz para ASR offline y en streaming, con VAD, puntuación, etiquetas de hablante y servicio compatible con OpenAI. FunASR es un kit de herramientas de Python de ModelScope para convertir voz en texto. Incluye modelos ASR preentrenados como SenseVoiceSmall, Paraformer y Fun-ASR-Nano, junto con componentes para la detección de actividad de voz (FSMN-VAD, Silero VAD), la restauración de puntuación (ct-punc) y los embeddings de hablante (CAM++), que pueden encadenarse en un mismo pipeline mediante la interfaz AutoModel.
- ¿FunASR es gratuito? ¿Qué licencia tiene?
- FunASR es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿FunASR sigue mantenido?
- Mantenimiento activo. El último commit de FunASR fue el 18 oct 2026.
- ¿Para qué puedo usar FunASR?
- Transcribir reuniones o entrevistas en chino con información sobre hablantes y marcas de tiempo. Generar subtítulos SRT por lotes para archivos de video o audio. Crear sistemas de subtitulado en directo o asistentes de voz basados en ASR en streaming. Sustituir una API de Whisper o de ASR en la nube por un endpoint autohospedado compatible con OpenAI.
- ¿Cómo se instala FunASR?
- Instala PyTorch y torchaudio (por defecto, wheels para CPU).: pip install torch torchaudio Instala FunASR desde PyPI.: pip install funasr Ejecuta el ejemplo de Python con AutoModel (Fun-ASR-Nano; usa device="cuda" solo si se ha verificado que hay una GPU).
- ¿Dónde consigo FunASR?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/modelscope/FunASR
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Herramienta de código abierto de voz a texto basada en Whisper, con marcas de tiempo por palabra mediante alineación forzada y diarización de hablantes opcional.
24,7 mil2,5 milPythonBSD-2-ClauseActualizado anteayer
Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.
167,9 mil34,9 milPythonApache-2.0Actualizado hace 3 horas
Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
27,1 mil3,6 milPythonMITActualizado hace 3 meses
Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.
9,5 mil1,1 milJavaScriptApache-2.0Actualizado el año pasado
Detección de actividad de voz y de eventos de audio (habla, canto y música) de código abierto en más de 100 idiomas, con modos en streaming y sin streaming.
55038PythonApache-2.0Actualizado hace 6 meses