FunASR

FunASR 来自阿里巴巴的 ModelScope（魔搭）社区，是一个工业级语音识别工具包，支持离线、流式和边缘设备部署。除了语音转写，它还覆盖语音活动检测（VAD）、标点恢复、说话人处理流程，以及情感和音频事件识别模型，并可以通过兼容 OpenAI 的 API 和 MCP 提供服务。

它适合开发语音转写、会议纪要、语音助手和语音 Agent 的开发者，尤其是中文场景。可选模型包括 Fun-ASR-Nano（支持中文、英文、日文以及多种方言和地方口音）、多语种版本，以及能同时输出情感和音频事件标签的 SenseVoiceSmall（还有可用 llama.cpp 在 CPU 和边缘设备上运行的 GGUF 版本）。部署矩阵覆盖 GPU、CPU、流式服务和 Docker 运行时；最新的模型甚至可以不装工具包，直接通过 Hugging Face Transformers 运行。

上手方式：安装 PyTorch 后执行 `pip install funasr`，再用 `AutoModel` 加载模型，例如 SenseVoiceSmall 搭配 FSMN VAD 模型。如果要提供服务，启动兼容 OpenAI 的服务端，然后把音频发送到 `/v1/audio/transcriptions` 接口。