FunASR Runtime 服务演进史离线/实时转写 SDK 的版本脉络与部署指南【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本文以 FunASR 仓库中的 runtime/release-history.md 为主线系统梳理 FunASR runtime-SDK 四类核心服务中文离线 CPU、中文离线 GPU、英文离线 CPU、中文实时 CPU的能力演进、Docker 镜像版本与里程碑节点同时结合 runtime/readme.md 与各部署文档给出从一键部署脚本、客户端调用到参数调优的完整实战路径。读完本文你将掌握如何根据历史发布记录判断镜像能力边界、如何用官方部署工具快速拉起离线/实时转写服务以及如何通过run_server.sh、WebSocket 客户端参数与 ONNX JSONL 输出完成生产级验证。一、背景从 FunASR 框架到 runtime-SDK 的最后一公里FunASR 是由阿里巴巴通义实验室DAMO Academy语音团队开源的语音识别基础框架集成了语音端点检测VAD、语音识别ASR、标点断句PUNC等领域的工业级模型。为了把模型真正落地到业务系统社区开发了FunASR runtime-SDK将 VAD ASR PUNC 等模型封装为可直接部署的服务端软件包支持以下几类服务部署中文离线文件转写服务CPU 版本已完成中文实时流式语音听写服务CPU 版本已完成英文离线文件转写服务CPU 版本已完成中文离线文件转写服务GPU 版本已完成更多服务持续支持中。需要特别强调的是release-history.md 是从早期 runtime 首页归档的历史发布记录其中的日期、镜像标签与性能数字描述的是历史发布状态并非当前部署保证。进行新部署时应以 runtime/readme.md 与 docs/deployment_matrix.md 为准先选择模型与通信协议再选择容器或二进制形态并核对版本化命令、已测试硬件与已知限制。二、四大服务的版本演进时间线1. 中文离线文件转写服务GPU 版本该服务拥有完整语音识别链路可将数十分钟级长音频/视频转写为带标点的文本并支持上百路并发请求。其历史版本如下时间内容Docker 镜像版本2024/09/26GPU 2.0 发布修复显存泄漏funasr-runtime-sdk-gpu-0.2.0(d280bf7e495b)2024/07/01GPU 1.1 发布优化 BladeDISC 模型兼容性问题funasr-runtime-sdk-gpu-0.1.1(8875cbf9b99e)2024/06/27GPU 1.0 发布支持动态 batch 与多线程并发长音频测试集单线程 RTF 0.0076多线程加速比 1200CPU 为 330funasr-runtime-sdk-gpu-0.1.0(b86066f4d018)GPU 1.0 的基准测试来自 runtime/docs/benchmark_libtorch_cpp.md测试集为 103 条、时长 230 分钟的长音频在 Intel Xeon 8369B16 核 32 线程AVX512_VNNI A10 GPU 上组合 FSMN-VAD Paraformer-large CT-Transformer 模型命令形如./funasr-onnx-offline-rtf \ --model-dir ./damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-torchscript \ --vad-dir ./damo/speech_fsmn_vad_zh-cn-16k-common-onnx \ --punc-dir ./damo/punc_ct-transformer_cn-en-common-vocab471067-large-onnx \ --gpu \ --thread-num 20 \ --bladedisc true \ --batch-size 20 \ --wav-path ./long_test.scp并发任务数从 1 提升到 20 时RTF 从 0.0076 下降至 0.0008加速比从 130 提升至 1200。从源码结构看GPU 版底层为 libtorch C 推理栈依赖 BladeDISC 图优化这也是 1.1 版本专门修复 BladeDISC 兼容性问题的原因。需要提示该基准为历史数据实际部署请用与目标镜像、权重和 GPU 匹配的复测结果。2. 英文离线文件转写服务CPU 版本英文服务同样具备完整链路与上百路并发能力历史版本演进为时间内容Docker 镜像版本2024/09/261.7 发布修复内存泄漏funasr-runtime-sdk-en-cpu-0.1.7(f6c5a7b59eb6)2024/05/151.6 发布适配 FunASR 1.0 模型结构funasr-runtime-sdk-en-cpu-0.1.6(84d781d07997)2024/03/051.5 发布镜像支持 ARM64升级 modelscopefunasr-runtime-sdk-en-cpu-0.1.5(7cca2abc5901)2024/01/251.3 发布优化 VAD 数据处理大幅降低峰值内存funasr-runtime-sdk-en-cpu-0.1.3(c00f9ce7a195)2024/01/031.2 发布修复已知 crash 与内存泄漏funasr-runtime-sdk-en-cpu-0.1.2(0cdd9f4a4bb5)2023/11/081.1 发布适配目录结构调整FunASR/funasr/runtime → FunASR/runtimefunasr-runtime-sdk-en-cpu-0.1.1(27017f70f72a)2023/10/161.0 发布funasr-runtime-sdk-en-cpu-0.1.0(e0de03eb0163)注意一个易踩的坑runtime/readme.md 明确指出不能仅凭容器名推断语言覆盖范围必须选择对应的英文 checkpoint。英文链路组合为 Paraformer-en FSMN-VAD CT-Transformer相关命令与 CER 数据见 runtime/docs/benchmark_onnx_cpp.md在 8369B CPU 上32 并发 int8 量化下 RTF 约 0.0022加速比约 448。3. 中文实时语音听写服务CPU 版本实时服务是版本迭代最密集的一条线其核心能力不仅包含实时转写还支持在句尾用高精度离线模型修正转写结果并输出带标点文本同时支持高并发多路请求时间内容Docker 镜像版本2024/10/291.12 发布2pass-offline 模式支持 SenseVoiceSmall 模型funasr-runtime-sdk-online-cpu-0.1.12(f5febc5cf13a)2024/09/261.11 发布修复内存泄漏funasr-runtime-sdk-online-cpu-0.1.11(e51a36c42771)2024/05/151.10 发布适配 FunASR 1.0 模型结构funasr-runtime-sdk-online-cpu-0.1.10(1c2adfcff84d)2024/03/051.9 发布镜像支持 ARM64升级 modelscopefunasr-runtime-sdk-online-cpu-0.1.9(4a875e08c7a2)2024/01/251.7 发布客户端优化funasr-runtime-sdk-online-cpu-0.1.7(2aa23805572e)2024/01/031.6 发布2pass-offline 模式支持 Ngram 语言模型解码与 WFST 热词修复 crash 与内存泄漏funasr-runtime-sdk-online-cpu-0.1.6(f99925110d27)2023/11/091.5 发布修复无实时结果 bugfunasr-runtime-sdk-online-cpu-0.1.5(b16584b6d38b)2023/11/081.4 发布支持服务端加载热词更新热词通信协议适配目录结构调整funasr-runtime-sdk-online-cpu-0.1.4(691974017c38)2023/09/191.2 发布2pass 模式支持热词、时间戳、ITN 模型funasr-runtime-sdk-online-cpu-0.1.2(7222c5319bcf)2023/08/111.1 发布修复已知 bug含 server 崩溃funasr-runtime-sdk-online-cpu-0.1.1(bdbdd0b27dee)2023/08/071.0 发布funasr-runtime-sdk-online-cpu-0.1.0(bdbdd0b27dee)从版本轨迹可以清晰看到实时服务的三阶段演进基础实时识别1.01.1→ 2pass 增强1.21.6加入热词/时间戳/ITN/Ngram/WFST→ 模型与新平台适配1.91.12ARM64、FunASR 1.0 模型结构、SenseVoiceSmall。这与 runtime/docs/SDK_tutorial_online.md 中描述的流式 ASR 句尾离线纠错架构完全吻合。4. 中文离线文件转写服务CPU 版本中文离线 CPU 服务是历史最悠久、版本最多的服务线从 1.0 一路演进到 4.6时间内容Docker 镜像版本2024/09/264.6 发布修复内存泄漏支持 SenseVoiceSmall onnx 模型funasr-runtime-sdk-cpu-0.4.6(8651c6b8a1ae)2024/05/154.5 发布适配 FunASR 1.0 模型结构funasr-runtime-sdk-cpu-0.4.5(058b9882ae67)2024/03/054.4 发布镜像支持 ARM64升级 modelscopefunasr-runtime-sdk-cpu-0.4.4(2dc87b86dc49)2024/01/254.2 发布优化 VAD 数据处理大幅降低峰值内存funasr-runtime-sdk-cpu-0.4.2(befdc7b179ed)2024/01/084.1 发布优化句子级时间戳 JSON 格式funasr-runtime-sdk-cpu-0.4.1(0250f8ef981b)2024/01/034.0 发布新增 8k 模型支持、优化时间戳不匹配、增加句子级时间戳、优化英文单词 FST 热词、自动配置线程参数funasr-runtime-sdk-cpu-0.4.0(c4483ee08f04)2023/11/083.0 发布支持标点大模型、Ngram 模型、FST 热词更新热词通信协议、服务端加载热词funasr-runtime-sdk-cpu-0.3.0(caa64bddbb43)2023/09/192.2 发布支持 ITN 模型funasr-runtime-sdk-cpu-0.2.2(2c5286be13e9)2023/08/222.0 发布集成 ffmpeg 支持多种音视频输入支持热词模型与时间戳模型funasr-runtime-sdk-cpu-0.2.0(1ad3d19e0707)2023/07/031.0 发布funasr-runtime-sdk-cpu-0.1.0(1ad3d19e0707)几个值得关注的里程碑2.0ffmpeg 集成从只认 wav升级为支持.wav、.pcm、.mp3等多种音频以及.mp4等视频输入3.0模型全家桶标点大模型、Ngram 语言模型、FST 热词、服务端热词加载同时到位标志着离线链路的完整化4.0工程化成熟8k 采样率模型、句子级时间戳、线程参数自动化配置都是生产落地最关心的能力4.6新模型接入SenseVoiceSmall ONNX 模型的接入与实时线 1.12 的 SenseVoiceSmall 支持形成呼应。英文离线服务、中文离线 CPU 服务的版本表同时被固化在 runtime/docs/SDK_advanced_guide_offline.md 的版本信息表中两处记录一致可作为交叉验证依据。三、按需选择服务路径当前部署入口总览历史发布记录的价值在于知其所以然而新部署应当以当前文档为准。从 runtime/readme.md 的服务路径表可以看出runtime 目录现在覆盖了比四大 Docker 服务更广的形态需求入口边界说明Python HTTP 转写examples/openai_api/README.md应用 API 兼容性与模型精度、实时能力相互独立Fun-ASR-Nano 解码加速docs/vllm_guide.md原生 vLLM 与 FunASR 拆分引擎的 checkpoint/布局与 API 契约不同本地便携 GGUF 推理runtime/llama.cpp/README.md需匹配平台/后端包与对应 GGUF 模型原生 ONNX CPU 推理runtime/onnxruntime/readme.mdJSONL/时间戳输出契约见 runtime/docs/onnxruntime_binary_output.md离线统一转写与说话人分离docs/moss_transcribe_diarize.md第三方 OpenMOSS 模型离线匿名说话人标签长会话流式/双通道服务runtime/docs/websocket_protocol.md不要向该端点发送 OpenAI HTTP 请求或其他 runtime 的 WebSocket 消息集群托管的私有 HTTP 服务examples/openai_api/kubernetes/README.md需配置资源、持久化缓存、探针、上传限制与网关策略生产部署前还应注意C 双通道2pass实现与 Fun-ASR-Nano Python 流式实现是两套不同的实现Nano 实时基准 docs/benchmark/realtime_ws_benchmark.md 使用的是 Nano 的START/STOP协议不能用于 C 端点。四、实战一中文离线 CPU 服务的一键部署与客户端调用1. 一键部署脚本一键部署工具会依次完成安装 Docker、拉取镜像、启动服务。目前便捷部署工具仅支持 Linux 环境其他环境请参考 runtime/docs/SDK_advanced_guide_offline.md。下载并执行curl -O https://raw.githubusercontent.com/modelscope/FunASR/main/runtime/deploy_tools/funasr-runtime-deploy-offline-cpu-zh.sh; # 国内网络受限时可换用 # curl -O https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/shell/funasr-runtime-deploy-offline-cpu-zh.sh; sudo bash funasr-runtime-deploy-offline-cpu-zh.sh install --workspace ./funasr-runtime-resources安装过程中按提示回车即可完成部署。在第 2 步模型选择中1 为 paraformer-large 模型2 为 paraformer-large 时间戳模型3 为 paraformer-large 热词模型服务端从./funasr-runtime-resources/hotwords.txt加载热词每行一个热词格式为词 权重如阿里巴巴 20。从 runtime/deploy_tools/funasr-runtime-deploy-offline-cpu-zh.sh 源码结构看脚本会从 docker 列表文件读取DOCKER:、DEFAULT_ASR_MODEL:、DEFAULT_VAD_MODEL:、DEFAULT_PUNC_MODEL:、DEFAULT_LM_MODEL:字段对应文件见 runtime/docs/docker_offline_cpu_zh_lists按 6 步交互完成检查 root → 选择镜像 → 选择模型 → 配置宿主机端口 → 确认参数 → 安装 Docker 并运行。解码线程数默认取 CPU 核数IO 线程数自动按解码线程数/4 计算最小为 1这就是 4.0 版本自动配置线程参数的落地实现。2. 客户端调用安装完成后samples目录会下载到默认工作区/root/funasr-runtime-resources或./funasr-runtime-resources。以 Python 客户端为例python3 funasr_wss_client.py --host 127.0.0.1 --port 10095 --mode offline --audio_in ../audio/asr_example.wavPython 客户端参数说明参数含义--host服务部署机器 IP默认 127.0.0.1跨机器部署时需改为实际 IP--port部署端口默认 10095--modeoffline表示离线文件转写--audio_in待转写音频支持文件路径与文件列表wav.scp--thread_num并发发送线程数默认 1--ssl是否启用 SSL 证书校验默认 1 启用、0 关闭--hotword热词文件路径每行一个热词如阿里巴巴 20--use_itn是否使用 ITN默认 1 启用、0 关闭其余客户端C 使用./funasr-wss-client --server-ip 127.0.0.1 --port 10095 --wav-path ../audio/asr_example.wavHTML 客户端直接浏览器打开html/static/index.html支持麦克风输入与文件上传Java 客户端使用FunasrWsClient --host localhost --port 10095 --audio_in ./asr_example.wav --mode offline详见 runtime/java/readme.md。3. 服务生命周期管理一键部署后可通过同一脚本管理服务sudo bash funasr-runtime-deploy-offline-cpu-zh.sh start # 启动配置与上次部署一致 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh stop # 停止 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh restart # 重启 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh remove # 释放已部署服务替换模型模型必须是 ModelScope 中的 ASR/VAD/PUNC 模型或 ModelScope 微调模型sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update [--asr_model | --vad_model | --punc_model] model_id 或本地模型路径 # 示例 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --asr_model damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch更新参数宿主机端口、Docker 端口、解码/IO 线程数、工作区、SSLsudo bash funasr-runtime-deploy-offline-cpu-zh.sh update [--host_port | --docker_port] 端口号 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update [--decode_thread_num | --io_thread_num] 线程数 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update [--workspace] 本地工作区 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update [--ssl] 0: 关闭 SSL; 1: 开启 SSL, 默认:1 # 示例 sudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --decode_thread_num 32若需关闭 SSLsudo bash funasr-runtime-deploy-offline-cpu-zh.sh update --ssl 0。4. 服务器配置建议根据 runtime/docs/SDK_tutorial.md推荐三档配置X86 计算型配置vCPU内存单机支持并发请求配置 14 核8GB约 32 路配置 216 核32GB约 64 路配置 364 核128GB约 200 路详细性能报告见 runtime/docs/benchmark_onnx_cpp.md。五、实战二实时2pass服务的部署与客户端1. 部署与启动实时服务的部署脚本为funasr-runtime-deploy-online-cpu-zh.sh流程与离线版一致curl -O https://raw.githubusercontent.com/modelscope/FunASR/main/runtime/deploy_tools/funasr-runtime-deploy-online-cpu-zh.sh; sudo bash funasr-runtime-deploy-online-cpu-zh.sh install --workspace ./funasr-runtime-resources服务生命周期命令与离线版同构start/stop/restart/remove/update参数含义一致示例见 runtime/docs/SDK_tutorial_online.md。2. 客户端与--mode语义实时服务最关键的参数是--mode与--chunk_size# 2pass实时识别 句尾离线纠错带标点 python3 funasr_wss_client.py --host 127.0.0.1 --port 10095 --mode 2pass # 或指定音频文件 python3 funasr_wss_client.py --host 127.0.0.1 --port 10095 --mode offline --audio_in ../audio/asr_example.pcm参数语义参数含义--modeoffline单句识别online实时语音识别2pass实时识别并在句尾用离线模型纠错--chunk_size流式模型延迟配置[5,10,5]表示当前音频 600ms、回看 300ms、前瞻 300msC 客户端为./funasr-wss-client-2pass参数与 Python 版对应--chunk-size、--record、--audio-fs、--is-ssl等。完整的协议细节见 runtime/docs/websocket_protocol.md多客户端示例见 runtime/python/websocket/README.md。生产使用前务必用真实音频验证采样率、分块、结束finalization、断线重连与会话隔离行为。六、进阶run_server.sh服务端参数深度解析不满足于一键脚本的开发者可以直接用 runtime/run_server.sh 启动服务。它支持从 ModelScope 下载模型通过--download-model-dir设置下载目录通过--model-dir等参数设置模型 ID也支持部署用户微调后的模型cd /workspace/FunASR/runtime nohup bash run_server.sh \ --download-model-dir /workspace/models \ --model-dir damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx \ --vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx \ --punc-dir damo/punc_ct-transformer_cn-en-common-vocab471067-large-onnx \ --itn-dir thuduj12/fst_itn_zh \ --lm-dir damo/speech_ngram_lm_zh-cn-ai-wesp-fst \ --certfile ../../../ssl_key/server.crt \ --keyfile ../../../ssl_key/server.key \ --hotword ../../hotwords.txt log.txt 21 核心参数表完整说明见 runtime/docs/SDK_advanced_guide_offline.md参数含义--download-model-dir模型下载目录通过模型 ID 从 ModelScope 下载--model-dir/--vad-dir/--punc-dir/--itn-dir/--lm-dir各环节模型的 ModelScope ID 或本地路径--port服务监听端口默认 10095--decoder-thread-num服务端处理并发请求的线程池数量脚本按机器线程数自动配置--io-thread-num服务端 IO 线程数--model-thread-num每条识别路由的内部线程数控制 ONNX 模型并行度默认 1建议decoder-thread-num × model-thread-num约等于总线程数--certfile/--keyfileSSL 证书/密钥文件关闭 SSL 时将--certfile设为 0--hotword热词文件路径每行一个热词如阿里巴巴 20若客户端同时提供热词则合并两个实用技巧需要时间戳/热词能力时将--model-dir换成对应模型damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx时间戳、damo/speech_paraformer-large-contextual_asr_nat-zh-cn-16k-common-vocab8404-onnx热词服务端加载热词时将热词写入宿主机./funasr-runtime-resources/models/hotwords.txt容器内映射为/workspace/models/hotwords.txt。关闭服务ps -x | grep funasr-wss-server找到 PID 后kill -9 PID。七、数据可编程原生 ONNX 二进制的 JSONL 输出契约作为 runtime 服务生态的补充原生 ONNX Runtime 二进制默认以日志形式输出结果当需要为每个完成的输入生成机器可读记录时加--output-format jsonl完整契约见 runtime/docs/onnxruntime_binary_output.md。离线识别在runtime/onnxruntime目录下执行./build/bin/funasr-onnx-offline \ --model-dir /path/to/timestamp-capable-model \ --wav-path /path/to/audio.wav \ --output-format jsonl \ results.jsonl 2 runtime.log双通道2pass识别./build/bin/funasr-onnx-2pass \ --model-dir /path/to/offline-model \ --online-model-dir /path/to/online-model \ --vad-dir /path/to/vad-model \ --punc-dir /path/to/online-punctuation-model \ --wav-path /path/to/audio.wav \ --mode 2pass \ --output-format jsonl \ results.jsonl 2 runtime.log--mode合法值为offline、online、2pass原生 2pass 运行时必须同时提供 VAD 模型与在线标点模型。每行输出是一个 JSON 对象{key:utt-001,mode:offline,stamp_sents:[{end:920,start:0,text_seg:hello world}],text:hello world,timestamp:[[0,420],[460,920]]}字段类型含义keystringwav.scp行首列直接输入文件时为wav_default_idmodestringoffline/online/2passtextstring完成转写文本2pass模式下为纠错后的离线文本timestamparray模型返回的原生 token/词级时间戳数组stamp_sentsarray原生句子级时间戳对象二进制与模型支持时2pass 二进制当前返回空数组使用要点需时间戳时请使用支持时间戳的模型若模型无时间戳或原生负载为空/畸形/非 JSON 数组对应字段为[]JSON 记录只写 stdout运行诊断与进度日志留在 stderrwav.scp输入每个成功完成的 key 输出一行RTF 二进制会保证每行完整不交错但 worker 完成顺序不保证请用key关联记录而非行顺序省略--output-format等价于--output-format log保持原有日志行为。该契约与 tests/test_paraformer_timestamp_contract.py、tests/test_paraformer_timestamp_padding.py 等测试共同约束了时间戳输出的格式与补齐行为可作为输出合规性的参考。八、从历史到未来版本演进的启示与部署建议回顾 runtime/release-history.md 的全貌可以提炼出 FunASR runtime-SDK 演进的三条主线链路完整化从纯 ASR到 VAD ASR PUNC 全链路再到 Ngram 语言模型、FST 热词、ITN、时间戳、句子级时间戳、8k 模型离线与实时链路的功能边界持续扩展工程健壮性内存泄漏修复贯穿几乎所有版本线CPU/GPU/EN/实时配合 VAD 数据处理优化峰值内存占用持续下降平台与生态扩展ARM64 支持、FunASR 1.0 模型结构适配、SenseVoiceSmall 接入、目录结构调整FunASR/funasr/runtime→FunASR/runtime以及 ONNX/libtorch/llama.cpp/vLLM 等多种推理后端并存。对新部署者的建议镜像 tag 与镜像 ID 是历史快照而非能力承诺。正确的落地姿势是——先用 docs/deployment_matrix.md 选定模型与协议再按 runtime/readme.md 选择容器或二进制形态部署后至少完成以下验证记录确切的 commit/镜像摘要、模型 revision、配置与目标硬件用已知音频做一次真实转写并检查原始输出而不只看健康检查端点测量代表性的质量、延迟、并发、内存与故障行为按 examples/openai_api/SECURITY.md 增加认证、TLS、请求限制与隐私控制保留上一版本工件并演练回滚未解决故障按 docs/troubleshooting.md 的检查清单上报。相关资源索引运行时部署总指南runtime/readme.md中文版 runtime/readme_cn.md历史发布记录本文主体runtime/release-history.md离线 CPU 教程 / 进阶 runtime/docs/SDK_tutorial.md / runtime/docs/SDK_advanced_guide_offline.md在线实时教程 / 进阶runtime/docs/SDK_tutorial_online.md / runtime/docs/SDK_advanced_guide_online.mdGPU 进阶指南runtime/docs/SDK_advanced_guide_offline_gpu.md英文教程 / 进阶runtime/docs/SDK_tutorial_en.md / runtime/docs/SDK_advanced_guide_offline_en.md性能基准runtime/docs/benchmark_onnx_cpp.mdCPU、runtime/docs/benchmark_libtorch_cpp.mdGPU部署脚本runtime/deploy_tools/funasr-runtime-deploy-offline-cpu-zh.sh、runtime/deploy_tools/funasr-runtime-deploy-online-cpu-zh.sh服务端启动脚本runtime/run_server.sh、runtime/run_server_2pass.sh【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