FunASR 离线文件转写服务开发指南（实践篇）

启动日志中若出现 Unable to open hotwords file 但您未设置热词，可忽略该警告。成功加载模型后，会显示 listen on port:10095。

注意: 如果希望部署 8k 采样率模型，请将 --vad-dir 和 --model-dir 等参数调整为对应的 8k 版本 ID。

客户端测试与使用

下载官方提供的 samples 进行测试：

wget https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/sample/funasr_samples.tar.gz

Python 客户端

Python 是最常用的测试语言，支持 .wav, .pcm, .mp3 及 .mp4 等多种格式。

python3 funasr_wss_client.py --host "127.0.0.1" --port 10095 --mode offline --audio_in "../audio/asr_example.wav"

常见报错处理： 如果遇到 ModuleNotFoundError: No module named 'websockets'，请安装依赖：

pip install websockets==13.1

运行结果示例： 输出包含识别文本及字级时间戳列表。例如：

{
  "text": "欢迎大家来体验达摩院推出的语音识别模型。",
  "timestamp": [[880,1120],[1120,1380],...]
}

C++ 客户端

进入 samples/cpp 目录编译运行：

./funasr-wss-client --server-ip 127.0.0.1 --port 10095 --wav-path ../audio/asr_example.wav

返回结果为 JSON 格式，包含 text 字段及详细的 stamp_sents 信息。

HTML 网页版

浏览器打开 html/static/index.html 即可体验。默认需输入 WebSocket 地址 wss://IP:10095/。

SSL 证书问题： 如果浏览器提示 TLS 握手失败，需关闭服务端的 SSL 校验：

1. 重启服务时增加参数 --certfile 0。
2. 前端页面将地址改为 ws://IP:10095/。

Java 客户端

Java 客户端需要构建环境。在 Linux/Unix 下：

cd funasr/runtime/java
make downjar
make buildwebsocket
make runclient

运行命令示例：

FunasrWsClient --host localhost --port 10095 --audio_in ./asr_example.wav --mode offline

服务端管理

启动与停止

启动服务后，可通过日志查看状态。停止服务时，先查找进程 PID：

ps -x | grep funasr-wss-server
kill -9 <PID>

参数调整

修改模型或端口等参数需重启服务。若指定 ModelScope 的 model ID，服务会自动下载对应模型（如 FSMN-VAD, Paraformer, CT-Transformer 等）。如需部署微调后的模型，请将模型重命名为 model.pb 并替换原文件路径。

定制开发参考

FunASR Runtime 代码已开源，支持二次开发。以下是核心 API 调用逻辑：

VAD 模型

FUNASR_HANDLE vad_hanlde = FsmnVadInit(model_path, thread_num);
FUNASR_RESULT result = FsmnVadInfer(vad_hanlde, wav_file.c_str(), NULL, 16000);

ASR 模型

FUNASR_HANDLE asr_hanlde = FunOfflineInit(model_path, thread_num);
FUNASR_RESULT result = FunOfflineInfer(asr_hanlde, wav_file.c_str(), RASR_NONE, NULL, 16000);

PUNC 模型

FUNASR_HANDLE punc_hanlde = CTTransformerInit(model_path, thread_num);
FUNASR_RESULT result = CTTransformerInfer(punc_hanlde, txt_str.c_str(), RASR_NONE, NULL);

效果对比

在实际测试中，FunASR 对中文长音频的识别表现稳定。我们对比了 Whisper 与 FunASR 的效果，FunASR 在特定中文场景下的标点还原和专有名词识别上具有优势，但也存在少量误识情况。整体而言，对于生产环境部署，FunASR 提供了较好的准确率与性能平衡。