FunASR项目AutoModel.generate方法新增preset_spk_num参数支持

FunASR作为一款先进的语音识别工具包，近期对其AutoModel.generate方法进行了重要功能升级。该升级主要针对语音识别中的说话人数量预设功能，新增了preset_spk_num参数支持，为多说话人场景下的语音识别提供了更精确的控制手段。

在语音识别任务中，特别是在会议记录、访谈转录等场景下，准确识别不同说话人的语音内容至关重要。传统的语音识别系统往往需要额外的说话人分割和聚类步骤，而FunASR通过引入preset_spk_num参数，允许开发者在模型推理阶段直接预设预期的说话人数量，从而优化识别效果。

该参数的实现原理是基于说话人嵌入空间的分析。当开发者明确知道音频中包含的说话人数量时，系统可以更准确地进行说话人特征提取和聚类。这对于固定参与人数的会议录音、双人对话等场景特别有用，能够显著提高说话人分割的准确率。

使用这一新功能非常简单。开发者只需在调用AutoModel.generate方法时，通过preset_spk_num参数指定预期的说话人数量即可。例如，在处理一个两人对话的音频时，可以将该参数设置为2，系统会自动优化说话人识别过程。

值得注意的是，preset_spk_num参数需要与说话人识别模型(spk_model)配合使用。当不指定spk_model时，该参数不会生效。此外，该参数的值应该与实际说话人数量尽可能匹配，过大或过小都可能影响识别效果。

这一功能的加入使得FunASR在多说话人语音识别场景下的表现更加出色，为开发者提供了更灵活的配置选项。通过合理使用preset_spk_num参数，可以在已知说话人数量的场景下获得更准确的识别结果，进一步提升语音识别系统的实用性。