工业级ASR工具推荐：FunASR 一键部署，音视频语音高效转文本

一、简介

• FunASR 是一个基本的语音识别工具包，提供多种功能，包括语音识别ASR等
• 基于FunASR，有很多可以直接使用的学术和工业级预训练模型，具有准确率高、效率高、部署便捷等优点，支撑语音识别业务的快速建设
• FunASR开源项目地址：https://github.com/modelscope/FunASR
• hello_asr是一个使用docker快速部署FunASR并转成API服务的工具，代码地址：https://github.com/luler/hello_asr

二、安装

• 准备好docker、docker-compose环境，可以不使用GPU，直接在CPU上运行
• 新建docker-compose.yml配置文件，配置内容如下：

  version: '3'
  services:
    hello_asr:
      image: dreamplay/hello_asr:latest
      ports:
        - 12369:12369
      restart: always

• 在docker-compose.yml文件下一键运行（注意镜像包含模型和软件环境，会有点大，请耐心下载）

  docker-compose up -d

三、使用示例

提供的接口：POST： http://127.0.0.1:12369/asr

• mp3、wav等音视频文件转成文字
  • 使用funasr直接把上传的音频转换成文本信息
  • 再根据funasr的转换结果，提取生成SRT字幕

• mp4等视频文件转文字
  • 原理就是通过ffmpeg把视频转成wav音频，再使用funasr对wav音频进行文本转换

四、总结

• 简单的提取音视频文本还是可以胜任的，音频识别准确率还是不错的
• 如果需要提高转换性能，需要使用GPU来启动