Windows 上把录音批量转成文字FunASR 语音识别最短路径跑通【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR手头 10 段会议录音周五前要交文字稿。FunASR 社区软件包干的就是这件事本地语音识别离线转写、流式听写、VAD 切分、标点恢复一条链路走通。它是 Python 工具包装上就能跑CPU 也能出结果。4 步装好并转出第一条文本 这节只写不跑不通的动作照着敲就行。装包并装好匹配版本的 PyTorch 1.11pip3 install -U funasr python -c import funasr; print(funasr.__version__)启动 WebSocket 转写服务默认监听 10095 端口cd runtime/python/websocket python funasr_wss_server.py --port 10095另开一个终端用仓库自带的客户端连上去验证。--mode 2pass走实时麦克风换成--mode offline --audio_in .\a.wav就转文件python funasr_wss_client.py --host 127.0.0.1 --port 10095 --mode 2pass客户端开始往外打识别文本链路就通了。批量转文件时对每一段录音各跑一次 offline 模式即可。这套方案覆盖哪些活 社区软件包对应的服务形态在下面的路线图里一张图看全能力说明离线文件转写音频转带标点文字实时语音听写流式识别句尾二次纠错语音端点检测VAD 切分长音频标点恢复自动补句读说话人分离区分不同说话人热词定制提升专有词准确率动手前先对一张门槛表前置条件只有这些不满足就先补齐再往下走条件要求系统Windows 10/1164 位Python3.8 ~ 3.13先建好环境PyTorch 1.11版本匹配 Python显存/驱动用 GPU 后端时需最新显卡驱动内存4GB 起步磁盘2GB 可用空间网络首次运行要能访问 ModelScope 下载模型按内存分档设参数并发和量化档位跟着硬件走先按表设跑不动再往下调档位模型精度并发建议4GB 内存q8 量化单路短音频8GB 内存q8 量化2 路起步16GBq8 量化逐路加观察 CPU有显卡CUDA 或 Vulkan 包后端用--backend cuda或--backend vulkan量化精度指 GGUF 模型档位。CPU 预编译包默认--backend cpu不需要额外装运行库Vulkan 包只用显卡驱动自带组件不装 SDK。跑之前先对一下这 5 个坑Python 版本装不上。根因3.13 以上暂不支持。解法python --version确认落在 3.8 ~ 3.13确认pip --version指向同一份解释器。CUDA 后端起不来。根因NVIDIA 驱动过旧。解法更新驱动到匹配版本不行就先--backend cpu结果不受影响只是慢些。Vulkan 报没有设备。根因显卡驱动太老。解法装最新 AMD / Intel / NVIDIA 驱动后重试。AMD 驱动超时的话把环境变量GGML_VK_MAX_NODES_PER_SUBMIT设成 16再降 8 或 1。10095 端口被占。根因别的进程占了端口。解法netstat -ano | findstr 10095查出占用进程释放或换端口。首次运行卡住。根因模型还没下载完。解法看终端进度离线环境先把 GGUF 模型放到本地目录再用-m参数指向它。出口快速开始runtime/quick_start_zh.md软件包路线图runtime/readme_cn.mdWebSocket 部署runtime/python/websocket/安装文档docs/installation/installation_zh.md跑通第一条之后剩下的都是调参的事。【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Windows 上把录音批量转成文字：FunASR 语音识别最短路径跑通
Windows 上把录音批量转成文字FunASR 语音识别最短路径跑通【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR手头 10 段会议录音周五前要交文字稿。FunASR 社区软件包干的就是这件事本地语音识别离线转写、流式听写、VAD 切分、标点恢复一条链路走通。它是 Python 工具包装上就能跑CPU 也能出结果。4 步装好并转出第一条文本 这节只写不跑不通的动作照着敲就行。装包并装好匹配版本的 PyTorch 1.11pip3 install -U funasr python -c import funasr; print(funasr.__version__)启动 WebSocket 转写服务默认监听 10095 端口cd runtime/python/websocket python funasr_wss_server.py --port 10095另开一个终端用仓库自带的客户端连上去验证。--mode 2pass走实时麦克风换成--mode offline --audio_in .\a.wav就转文件python funasr_wss_client.py --host 127.0.0.1 --port 10095 --mode 2pass客户端开始往外打识别文本链路就通了。批量转文件时对每一段录音各跑一次 offline 模式即可。这套方案覆盖哪些活 社区软件包对应的服务形态在下面的路线图里一张图看全能力说明离线文件转写音频转带标点文字实时语音听写流式识别句尾二次纠错语音端点检测VAD 切分长音频标点恢复自动补句读说话人分离区分不同说话人热词定制提升专有词准确率动手前先对一张门槛表前置条件只有这些不满足就先补齐再往下走条件要求系统Windows 10/1164 位Python3.8 ~ 3.13先建好环境PyTorch 1.11版本匹配 Python显存/驱动用 GPU 后端时需最新显卡驱动内存4GB 起步磁盘2GB 可用空间网络首次运行要能访问 ModelScope 下载模型按内存分档设参数并发和量化档位跟着硬件走先按表设跑不动再往下调档位模型精度并发建议4GB 内存q8 量化单路短音频8GB 内存q8 量化2 路起步16GBq8 量化逐路加观察 CPU有显卡CUDA 或 Vulkan 包后端用--backend cuda或--backend vulkan量化精度指 GGUF 模型档位。CPU 预编译包默认--backend cpu不需要额外装运行库Vulkan 包只用显卡驱动自带组件不装 SDK。跑之前先对一下这 5 个坑Python 版本装不上。根因3.13 以上暂不支持。解法python --version确认落在 3.8 ~ 3.13确认pip --version指向同一份解释器。CUDA 后端起不来。根因NVIDIA 驱动过旧。解法更新驱动到匹配版本不行就先--backend cpu结果不受影响只是慢些。Vulkan 报没有设备。根因显卡驱动太老。解法装最新 AMD / Intel / NVIDIA 驱动后重试。AMD 驱动超时的话把环境变量GGML_VK_MAX_NODES_PER_SUBMIT设成 16再降 8 或 1。10095 端口被占。根因别的进程占了端口。解法netstat -ano | findstr 10095查出占用进程释放或换端口。首次运行卡住。根因模型还没下载完。解法看终端进度离线环境先把 GGUF 模型放到本地目录再用-m参数指向它。出口快速开始runtime/quick_start_zh.md软件包路线图runtime/readme_cn.mdWebSocket 部署runtime/python/websocket/安装文档docs/installation/installation_zh.md跑通第一条之后剩下的都是调参的事。【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考