FunASR项目中Whisper模型的语言识别问题分析与修复

在语音识别领域，多语言支持是一个关键功能。FunASR项目作为阿里巴巴达摩院开源的语音识别工具包，集成了Whisper等先进模型。近期发现，FunASR中的Whisper-large-v3模型存在一个语言识别问题：即使明确指定了目标语言参数，模型仍会将非英语音频强制转换为英语文本输出。

这个问题主要出现在使用越南语（vi）等非英语语言时。开发者按照官方示例配置了DecodingOptions参数，包括设置"language": "vi"来指定目标语言为越南语，但模型输出仍然为英语文本。这表明模型未能正确识别和处理语言参数。

从技术角度看，这个问题可能源于几个方面：首先，可能是参数传递过程中出现了错误，导致语言设置未被正确应用到模型推理过程；其次，可能是模型初始化时某些默认参数覆盖了用户指定的语言设置；最后，也不排除是模型本身在多语言处理逻辑上存在缺陷。

FunASR团队迅速响应并修复了这个问题。修复方案主要涉及代码逻辑的调整，确保语言参数能够正确传递并应用于整个识别流程。具体修复内容包括：修正参数传递路径、优化语言检测逻辑、确保解码选项能够完整生效等。

对于开发者而言，这个问题的修复意味着现在可以更可靠地使用FunASR中的Whisper模型进行多语言语音识别。只需在DecodingOptions中正确设置目标语言参数，模型就能准确输出对应语言的文本结果。

这个案例也提醒我们，在使用开源语音识别工具时，需要注意版本更新和已知问题。当遇到预期外的行为时，首先检查参数设置是否正确，其次查看项目issue列表是否有类似报告，最后可以考虑升级到最新版本以获得修复和改进。