FunASR 开源项目安装与配置指南

1. 项目基础介绍

FunASR 是由阿里巴巴达摩院开源的一款端到端语音识别工具包，它支持语音识别（ASR）、语音活动检测（VAD）、标点符号恢复、语言模型、说话人验证、说话人分离和多说话人语音识别等功能。该项目旨在构建学术研究与工业应用之间的桥梁，方便研究者和开发者更便捷地进行语音识别模型的研究和生产，推动语音识别生态的发展。

主要编程语言：Python

2. 项目使用的关键技术和框架

• 语音识别模型：支持非自回归端到端的语音识别模型，如 Paraformer-large。
• 多任务模型：支持支持多语言语音识别、语音翻译和语言识别的 Whisper-large-v3-turbo 模型。
• 语音理解模型：包括 SenseVoice 在内的多种语音理解能力模型。
• 框架和工具：使用 PyTorch 作为主要深度学习框架，以及一系列开源工具和库来支持模型的训练和部署。

3. 项目安装和配置的准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Linux 或 macOS
• Python 版本：3.6 或更高版本 -pip或pip3：用于安装Python包
• GPU（可选）：如果需要加速模型训练和推理，推荐使用支持CUDA的NVIDIA GPU。

详细安装步骤

1. 克隆项目仓库

   在终端中执行以下命令来克隆 FunASR 的 GitHub 仓库：

   git clone https://github.com/alibaba-damo-academy/FunASR.git
   cd FunASR
   

2. 安装依赖

   安装项目所需的 Python 包。首先，安装必要的系统依赖项：

   对于 Ubuntu：

   sudo apt-get update
   sudo apt-get install -y python3-pip python3-dev build-essential \
   libssl-dev libffi-dev python3-setuptools libsox-fmt-mp3 sox
   

   对于 macOS：

   brew install python libffi
   

   然后，安装 Python 依赖项：

   pip3 install -r requirements.txt
   

3. 环境配置

   根据需要配置环境变量，例如，设置 Python 虚拟环境。

4. 模型下载

   根据需要从 ModelScope 或 huggingface 下载预训练模型。

5. 测试安装

   运行以下命令测试安装是否成功：

   python3 setup.py test
   

6. 开始使用

   安装完成后，您可以使用 FunASR 提供的脚本和教程来开始训练或推理。

以上就是 FunASR 的详细安装和配置指南。按照上述步骤操作，您应该能够成功安装并开始使用这个强大的语音识别工具包。