Fun-ASR 在中文普通话任务准确率超越 Whisper-small 近 5 个百分点

mediaRecorder.ondataavailable = event => { audioChunks.push(event.data); };
mediaRecorder.onstop = () => {
    const audioBlob = new Blob(audioChunks, { type: 'audio/wav' });
    sendToServer(audioBlob);
    audioChunks = [];
};

虽然这不是严格意义上的流式模型，但在实际体验中，从说话结束到文字呈现的延迟可控制在 300ms 以内（GPU 环境下），足以满足会议字幕、语音笔记等准实时场景的需求。

批量处理与历史管理

Fun-ASR 提供了图形化的 WebUI 界面，支持拖拽上传多个文件，并统一配置语言、是否启用 ITN、热词列表等参数。系统会将任务加入异步队列，依次执行识别，并将每条记录存入本地 SQLite 数据库（history.db）。

def batch_transcribe(file_list, config):
    results = []
    for idx, file in enumerate(file_list):
        print(f"Processing {idx+1}/{len(file_list)}: {file}")
        try:
            result = asr_model.generate(
                audio_file=file,
                hotwords=config['hotwords'],
                itn=config['itn'],
                lang=config['lang']
            )
            results.append({
                "filename": file,
                "text": result["text"],
                "normalized": result.get("normalized"),
                "status": "success"
            })
        except Exception as e:
            results.append({
                "filename": file,
                "error": str(e),
                "status": "failed"
            })
    return results

这套机制背后有几个关键设计考量：

• 进度可视化：实时显示处理进度条、当前文件名及耗时统计；
• 失败隔离机制：单个文件出错不影响整个批次，便于排查问题；
• 结果导出灵活：支持 CSV 和 JSON 格式下载，方便对接 BI 工具或归档系统；
• 数据库持久化：所有历史记录保存在 webui/data/history.db，支持搜索与定期备份。

建议用户每批控制在 50 个文件以内，避免内存压力过大。对于超长音频（>10 分钟），建议提前使用工具分割，以提升识别成功率。

此外，长时间运行可能导致 GPU 缓存堆积，系统已在 WebUI 中提供'清理 GPU 缓存'按钮，一键释放资源，保障服务稳定性。

部署灵活，适配多种环境

Fun-ASR 的一大亮点是极强的部署适应性。它支持 CPU、GPU 和 Apple MPS 多种计算后端，无需依赖特定硬件即可运行。

启动脚本示例如下：

#!/bin/bash
export CUDA_VISIBLE_DEVICES=0
python app.py \
    --model-path models/funasr_nano_2512 \
    --device cuda:0 \
    --port 7860 \
    --host 0.0.0.0

你可以根据设备情况自由切换：

• 在高性能服务器上使用 GPU 加速，单文件识别速度可达 0.3x 实时；
• 在普通笔记本电脑上启用 CPU 模式，虽速度稍慢（约 1.2x 实时），但仍可流畅使用；
• 在 M1/M2 Mac 上利用 MPS 后端，实现接近 GPU 的性能表现。

系统架构采用前后端分离设计：

[客户端浏览器] ↓ HTTPS [Flask/FastAPI 后端服务] ↓ [Fun-ASR 模型引擎] ← [GPU/CPU 计算资源] ↓ [SQLite 历史数据库] + [日志与缓存文件]

支持三种运行模式：

• 本地模式：仅限 localhost 访问，适合调试；
• 局域网模式：通过服务器 IP 暴露服务，团队共享使用；
• 远程部署模式：结合 Nginx 反向代理与 HTTPS 加密，实现公网安全访问。

它能解决哪些真实痛点？

在实际客户反馈中，某在线教育公司曾因课程录音中的编号频繁被误识，导致知识点索引失效。接入 Fun-ASR 并启用 ITN 后，数字识别准确率显著提升。

另一个案例来自医疗机构，医生口述病历时常夹杂英文缩写和剂量单位。通过添加热词和启用单位规整，系统成功将关键信息提取完整度提升了 40% 以上。

总结

Fun-ASR 的意义在于不再盲目追求模型尺寸，而是聚焦于场景适配性、功能完整性与工程可用性。无论是生成会议纪要、分析客服录音、转写教学视频，还是归档医疗问诊，它都能以轻量化的方式提供高精度服务。