柚子快報(bào)激活碼778899分享：使用FunASR處理語音識別

http://yzkb.51969.com/

FunASR是阿里的一個語音識別工具，比SpeechRecognition功能多安裝也很簡單；

官方介紹：FunASR是一個基礎(chǔ)語音識別工具包，提供多種功能，包括語音識別（ASR）、語音端點(diǎn)檢測（VAD）、標(biāo)點(diǎn)恢復(fù)、語言模型、說話人驗(yàn)證、說話人分離和多人對話語音識別等。FunASR提供了便捷的腳本和教程，支持預(yù)訓(xùn)練好的模型的推理與微調(diào)。

網(wǎng)址：FunASR/README_zh.md at main · alibaba-damo-academy/FunASR · GitHub

安裝直接用：pip install funasr ?-i https://pypi.tuna.tsinghua.edu.cn/simple

讀取音頻需要（我沒ffmpeg）：pip install torchaudio ?-i https://pypi.tuna.tsinghua.edu.cn/simple

官網(wǎng)說：如果需要使用工業(yè)預(yù)訓(xùn)練模型，安裝modelscope（可選）pip install modelscope ?-i https://pypi.tuna.tsinghua.edu.cn/simple

如果按照官網(wǎng)的代碼直接使用model名，第一次使用這個model時，會自動下載對應(yīng)的model，會在C:\Users\你的用戶名\.cache目錄里新建modelscope文件夾，將所用到的model下載到里面；

model = AutoModel(model="paraformer-zh", vad_model="fsmn-vad", punc_model="ct-punc",

# spk_model="cam++"

)

所用到的model會在/modelscope/hub/iic/目錄里找到，可以拷貝出來使用，代碼里直接指定model目錄；

也可以自己去他們網(wǎng)站下載model拿來用：FunASR/model_zoo at main · alibaba-damo-academy/FunASR · GitHub

model直接搞出來用：

語音轉(zhuǎn)文字demo：

#!/usr/bin/env python3

# coding = utf-8

"""

# Project: workspace_py

# File: test_funasr.py

# Author: XWF

# Time: 2024/4/15 16:14

"""

from funasr import AutoModel

print('test')

model_path = 'models/modelscope/hub/iic/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch'

vad_path = 'models/modelscope/hub/iic/speech_fsmn_vad_zh-cn-16k-common-pytorch'

punc_path = 'models/modelscope/hub/iic/punc_ct-transformer_zh-cn-common-vocab272727-pytorch'

model = AutoModel(model=model_path, # model_revision="v2.0.4",

vad_model=vad_path, # vad_model_revision="v2.0.4", vad_kwargs={},

punc_model=punc_path, # punc_model_revision="v2.0.4", punc_kwargs={},

# device='cuda:0',

device='cpu',

ncpu=4,

# spk_model="cam++", spk_model_revision="v2.0.4",

disable_log=True,

disable_pbar=True

)

res = model.generate(input='test_24000_16.wav', batch_size_s=300)

print(res)

print(type(res), type(res[0]), res[0].get('text'))

# res = model.generate(input='test_8000_16.pcm', batch_size_s=300)

# print(res)

# print(res[0].get('text'))

with open('test_24000_16.wav', 'rb') as f:

wav_data = f.read()

res = model.generate(input=wav_data,batch_size_s=1)

print(res)

with open('test_8000_16.pcm', 'rb') as f:

pcm_data = f.read()

res = model.generate(input=pcm_data, batch_size_s=1)

print(res)

運(yùn)行結(jié)果：

弄到model后直接使用model目錄指定model就行，不用再下載了，也不用指定版本；

也可以使用各個model_version指定版本，下載的時候會使用指定的版本下載；

在AutoModel里使用disable_log=True和disable_pbar=True可以關(guān)閉那些紅紅的打印日志，不然滿屏幕就會這樣：

但是不知道input='test_8000_16.pcm'為啥老是找不到文件報(bào)錯，跑不通，設(shè)置了fs好像也不行；

官網(wǎng)還有許多其他的功能可以去看看；

關(guān)于input直接用wav文件正確，但用wav的bytes就識別不對的問題，我去GitHup提問有人告訴我直接使用wav文件，會識別wav頭重新調(diào)整采樣率等信息，而使用bytes不會重新采樣，所以使用非16k的會識別錯誤，得到的方法大概就是換用8k的模型，或者設(shè)置采樣率參數(shù)；

但是設(shè)置的fs參數(shù)可能需要自己調(diào)，好像也不一定就直接是采樣率，可能跟別的有關(guān)；

柚子快報(bào)激活碼778899分享：使用FunASR處理語音識別

http://yzkb.51969.com/

文章來源