企业官网建设流程全解析

FunASR本地部署教程：三步跑通Windows离线语音转写服务

【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR

会议录音里带客户姓名，内部同步里带未发布信息——这类音频没法上传给任何云端转写服务。FunASR本地部署就是为了解决这件事：这个由达摩院语音实验室推出的开源语音识别工具包，覆盖语音识别（ASR）、语音活动检测（VAD）、标点恢复（PUNC）全链路，Windows SDK 2.0版本在纯CPU上就能做中文/英文离线转写，无需GPU，音频不出机器。性能方面，16核CPU服务器可支撑64路并发转写请求，实时率（RTF，即转写1秒音频所耗时间）低至0.0076；它集成FFmpeg，wav/mp3/mp4等常见音视频格式可直接转写，还支持热词与逆文本规范化（ITN）扩展。

三种日常转写方式

先倒着讲——看看服务跑起来之后，最常用的三种转写方式，再回头部署。

单文件转写

进入runtime/python/websocket目录，用funasr_wss_client.py客户端指向本机10095端口、--mode offline，再用--audio_in指定音频（wav/mp3/mp4或网络URL均可）。两个值得常开的参数：--use_itn 1打开数字规范化，例如把"123"转成"一百二十三"；--hotword指定热词文件，提升专业术语准确率。

用wav.scp批量转写

录音文件多时，建一个wav.scp清单，每行按"编号 路径"写一条，再用--audio_in传入清单路径、--output_dir指定输出目录，客户端会逐条处理。

零代码网页

浏览器直接打开runtime/html5/static/index.html，上传文件、点击连接和开始即可，适合演示和非技术同事。

离线转写服务三步上线

第一步：克隆源码

git clone https://gitcode.com/GitHub_Trending/fun/FunASR cd FunASR/runtime/deploy_tools

第二步：运行一键部署

双击funasr-runtime-deploy-offline-cpu-zh.bat，按提示做三个选择：

• 模型类型：1=基础转写模型，2=带时间戳转写模型，3=热词增强模型
• 服务端口：默认10095，可自定义
• 工作目录：建议选D盘等非系统盘，避免权限问题

第三步：验证服务

浏览器打开http://localhost:10095，看到状态页即成功；也可以在命令行执行：

curl http://localhost:10095/health

预期返回{"status":"healthy","version":"2.0"}。

机器够不够：软硬件环境核对

上面三步一次通过可以跳过本节；卡住了就先核对下面两张清单。

软件依赖

• 操作系统：Windows 10/11（64位，专业版优先）
• 运行时：.NET Framework 4.8 或更高版本
• 容器：Docker Desktop for Windows，并启用WSL2后端

⚠️ Docker是在"轻量虚拟机"里跑服务的工具，WSL2是Windows的Linux兼容层。家庭版系统需先开启WSL2功能（步骤见微软官方文档）；部署时若报 "docker: command not found"，说明Docker Desktop尚未安装，装好后重启电脑再试。

硬件参考

一段音频进服务后经历了什么

一段音频不靠单个模型完成识别，服务内部依次走四步：先由语音端点检测（VAD）切出人声、丢掉静音与背景噪音；接着声学模型Paraformer解码输出文本流；然后标点预测补上停顿、句号和问号；最后**逆文本规范化（ITN）**把结果整理成标准可读形式。语言模型和热词也在解码阶段参与进来——这正是--hotword参数生效的位置。

调优与行业模型替换

• 线程数：经验公式是解码线程≈CPU核心数÷2、IO线程≈核心数÷4，例如16核机器在部署脚本后追加update --decode_thread_num 8 --io_thread_num 4
• 超长音频：超过1小时的录音追加--max_single_audio_length 3600启用分片
• 行业模型：用update命令替换，如医疗damo/speech_paraformer-large_asr_nat-zh-cn-16k-medical-vocab5000-pytorch、金融damo/speech_paraformer-large_asr_nat-zh-cn-16k-financial-vocab8404-pytorch

💡 超过1小时的超长音频，务必先开启分片再转写，否则处理过程可能中途失败。

三类高频问题排查

端口冲突：日志出现 "port is already allocated" 时，用netstat -ano | findstr :10095找到占端口的进程ID，再执行taskkill /PID <进程ID> /F强制结束，重新部署。

转写准确率一般：三招——①到model_zoo/modelscope_models.md查看并更换更新的模型；②在workspace/hotwords.txt按"热词 权重"逐行添加行业词汇；③用Audacity等工具先把音频预处理为16kHz采样率。

防火墙拦截：局域网内其他设备连不上服务时，执行netsh advfirewall firewall add rule name="FunASR" dir=in action=allow protocol=TCP localport=10095添加入站规则放行10095端口。

服务日常运维

在funasr-runtime-deploy-offline-cpu-zh.bat后追加参数即可完成日常管理：start启动、stop停止、restart重启、status查看状态。排查问题先看workspace/logs目录下的日志文件；CPU与内存占用可挂Windows性能监视器跟踪；更细节的内容参考runtime/docs/SDK_advanced_guide_offline.md。

语音识别私有化部署适合哪些人

"数据不出内网"的方案尤其适合：金融客服质检与合规录音分析、医疗语音电子病历与医患沟通记录、司法庭审录音转写、教育课堂录音转文字与课程字幕生成。完成FunASR本地部署后遇到疑问，docs/ 里有详细指南（含FAQ），examples/ 目录则提供了各场景的现成示例。

【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR