modelscope/FunASR

这是什么？

核心功能

• 01支持 SenseVoiceSmall、Paraformer、Fun-ASR-Nano 等模型进行离线转写。
• 02基于分块的流式识别，适用于实时音频。
• 03语音活动检测、标点恢复和说话人标注可组合成流程。
• 04提供兼容 OpenAI 接口的转写服务和面向 AI 智能体的 MCP 服务。
• 05命令行工具可输出 JSON 或 SRT 字幕。
• 06提供 llama.cpp / GGUF 版本，可在无 Python 的 CPU 与边缘设备上运行。

适用场景

• 为中文会议或访谈录音生成带说话人和时间戳的文字稿。
• 批量为视频或音频文件生成 SRT 字幕。
• 基于流式识别构建实时字幕或语音助手。
• 用自部署的 OpenAI 兼容接口替代 Whisper 或云端语音识别 API。

快速上手

1. 1

   安装 PyTorch 和 torchaudio（默认 CPU 版本）

   pip install torch torchaudio
2. 2

   从 PyPI 安装 FunASR

   pip install funasr
3. 3

   运行 AutoModel 的 Python 示例（Fun-ASR-Nano；仅在确认 GPU 可用时使用 device="cuda"）

使用前须知

• !Fun-ASR-Nano 的 GPU 示例需要已验证的 NVIDIA GPU 以及匹配的 PyTorch CUDA 版本。
• !模型权重使用与 MIT 许可的工具包不同的许可协议，部分模型为第三方提供。

标签

常见问题

FunASR 是什么？

开源语音识别工具包，支持离线与流式 ASR，并提供 VAD、标点、说话人区分及 OpenAI 兼容服务。 FunASR 是由 ModelScope 推出的 Python 语音转文字工具包。它提供 SenseVoiceSmall、Paraformer、Fun-ASR-Nano 等预训练识别模型，并可通过 AutoModel 接口将语音活动检测（FSMN-VAD、Silero VAD）、标点恢复（ct-punc）和说话人特征提取（CAM++）组合成一条完整流程。

FunASR 可以免费使用吗？用的什么许可证？

FunASR 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

FunASR 还在维护吗？

活跃维护中。FunASR 最近一次提交是在 2026年10月18日。

FunASR 适合用来做什么？

为中文会议或访谈录音生成带说话人和时间戳的文字稿。 批量为视频或音频文件生成 SRT 字幕。 基于流式识别构建实时字幕或语音助手。 用自部署的 OpenAI 兼容接口替代 Whisper 或云端语音识别 API。

FunASR 怎么安装和运行？

安装 PyTorch 和 torchaudio（默认 CPU 版本）: pip install torch torchaudio 从 PyPI 安装 FunASR: pip install funasr 运行 AutoModel 的 Python 示例（Fun-ASR-Nano；仅在确认 GPU 可用时使用 device="cuda"）

在哪里获取 FunASR？

源代码和安装说明在 GitHub 上：https://github.com/modelscope/FunASR