lissettecarlr / AutomaticSpeechRecognition

语音转文本的各类python封装实现（paraformer、whisper_online、whisper_offline、funasr），用于服务kuon仓库

kunasr

该仓库用于语音识别，目前有三种实现方式，分别是paraformer、whisper_online、funasr、whisper_offline。主要用于服务kuon仓库。

依赖

可以直接pip install -r requirements.txt安装所有环境，也可以根据选择方式安装

paraformer

• onnxruntime-gpu 或者 onnxruntime
• numpy
• librosa 用于音频分析和处理
• pyyaml
• typeguard==2.13.3
• scipy

whisper_online

• openai
• langid

funasr_client

• websockets

whisper_offline

• torch
• faster-whisper

配置

cp config.yaml.example config.yaml

• channel 从paraformer、whisper_online、funasr、whisper_offline中选择一种
• 如果选择whisper_online，则需要配置openai的key和代理地址
• 如果选择funasr，则需要配置funasr的服务端地址
• 如果选择whisper_offline，模型选择：tiny、base、medium、small、large-v2、large-v3、tiny.en、base.en、medium.en、small.en，device选择：cpu、cuda

使用

如果使用funasr，则需要部署服务端，这里推荐使用该方式

from kuonasr import ASR
test = ASR()
test.test()

from kuonasr import ASR
asr = ASR()
try:
    result = asr.convert("./kuonasr/audio/asr_example.wav")
    print(result)
except Exception as e:
    print(e)

可以直接执行python .\example.py进行测试。

使用paraformer时：

使用whisper_online时：

使用funasr时：

使用whisper_offline时：

关于转换方式

paraformer

源码来自rapid的RapidASR仓库

模型百度云，在paraformer文件夹下的名为asr_paraformerv2的文件，将其放置到kuonasr/paraformer/models文件中。或者去原项目下载。

whisper_online

openai的whisper在线语音识别，官方文档。实际上就是调用接口而已。 使用时注意将openai升级到最新版本，改动了调用方式。然后需要配置密匙和代理地址。准确率还行，但是速度太慢了。

funasr

github仓库，需要先部署服务端，这里代码只是客户端进行接口的调用。部署方式可以看官方仓库，也可以参考笔记。目前该方式是最优解

whisper_offline

使用faster-whisper进行本地推理

报错：

1

ValueError: An error occurred: unknown format: 3

输入音频的格式不支持，可以使用sox进行转换，例如

sox test.wav -b 16 -e signed-integer test2.wav

• sox的github