之前写过一些语音识别的方案：
- Whisper，识别速度和识别精度是反比的，如果想要识别速度变快，那就只能使用小的模型，但识别精度就很差了。
- PaddleSpeech，它推理速度较慢，部署的时候依赖性比较麻烦，而且官方仓库的维护简直就是依托答辩。
- Windows的语音识别，识别挺快，但是有的时候会出现开机后这项服务无法使用的问题，属于偶发性。
但是阿里新开源的FunASR就比较厉害了，识别速度快，精度高。所以以后我使用的语音转文字识别，都将改为FunASR了。
FunASR的部署可以使用Docker，但我是想让它运行在Windows中，所以使用Python本地部署。
1.下载FunASR仓库
github仓库链接：https://github.com/modelscope/FunASR
直接下载仓库Zip文件。
2.创建虚拟环境
要求：
- python≥3.8
- torch≥1.13
- torchaudio
虚拟环境的创建步骤略过。
3.安装库
分别执行以下命令：
pip install -e ./
pip install modelscope
pip install torch torchaudio //注意这里的torch是cpu版本，如果要使用GPU版本，请根据cuda版本和python版本进行安装4.运行示例
运行runtime/python/websocket文件夹下的funasr_wss_server.py文件。
注意：这里运行示例文件是为了下载模型文件，模型文件会被下载到当前电脑用户的.cache/modelscope/hub/iic文件夹中。当然，也可以手动下载模型并放到这个目录下，如果手动下载模型的话，就不需要执行这一步了。
5.测试识别
在仓库根目录下新建一个test.py文件，并输入代码：
from funasr import AutoModel
import datetime
# paraformer-zh is a multi-functional asr model
# use vad, punc, spk or not as you need
model = AutoModel(model="paraformer-zh", vad_model="fsmn-vad", punc_model="ct-punc")
res = model.generate(input=f"要识别的wav文件路径",
batch_size_s=300,
hotword='魔搭')
print(res)修改代码中的要识别的wav文件路径，然后运行这个test.py，正常的话将看到这样的输出：
我是在PyCharm中运行的，所以红色部分其实是FunASR自带的加载模型、推理模型的输出内容，不影响使用。我们需要的是最后的白色文本，这才是对音频文件的识别结果。
到这里，FunASR就本地部署好了。如果要做成服务端，就用Flask框架写一个接口就好了，这个接口接收上传的音频文件，并调用模型识别，然后返回json结果。其他程序如Unity只需要发送http请求，就能获得识别结果。
经过实测，小段落文本的识别速度几乎都是0秒，相当于秒识别，这个速度很快了。
6.Flask接口（补充）
新建一个mainflask.py文件，并输入代码：
from flask import Flask, request
from werkzeug.utils import secure_filename
import os
from funasr import AutoModel
import datetime
import threading
import time
import json
app = Flask(__name__)
def loadmodel():
global model, loadedmodel
loadedmodel = False
model = AutoModel(model="paraformer-zh", vad_model="fsmn-vad", punc_model="ct-punc")
loadedmodel = True
@app.route('/upload', methods=['POST'])
def upload_wav():
# 检查是否有文件在请求中
if 'file' not in request.files:
return 'No file part', 400
time1 = datetime.datetime.now()
file = request.files['file']
# 如果用户没有选择文件，浏览器也会提交一个没有文件名的空部分
if file.filename == '':
return 'No selected file', 400
if file:
filename = secure_filename(file.filename)
# 确保文件扩展名为wav
if filename.lower().endswith('.wav'):
filePath = os.path.join('./upload', filename)
file.save(filePath)
res = model.generate(input=filePath,
batch_size_s=300,
hotword='魔搭')
print((datetime.datetime.now() - time1).seconds)
print(res)
return json.dumps(res, ensure_ascii=False), 200
else:
return 'Incorrect file type', 400
if __name__ == '__main__':
thread = threading.Thread(target=loadmodel)
thread.start()
global loadedmodel
while loadedmodel == False:
time.sleep(1)
app.run(host="127.0.0.1", port=5000)然后在仓库的根目录下新建一个upload文件夹，用来保存每次接口上传的音频文件。
然后运行这个mainflask.py文件，就可以访问/upload接口并上传音频文件进行识别了。