FunASR - End-to-End Speech Recognition Toolkit - 高效语音识别
4.0FunASR 是一款工业级端到端语音识别工具包,支持 50+ 语言,GPU 上可达 170 倍实时率,并提供说话人分离、情感检测与 OpenAI 兼容 API 等能力。
标签
最后更新 2026 年 11 月 10 日
简介
FunASR 是一款面向工业级应用的开源端到端语音识别工具包,由阿里巴巴达摩院语音实验室研发并持续维护。它集成了从语音识别、说话人分离到情感检测的完整语音处理能力,在 GPU 上可实现高达 170 倍实时率的推理速度,并支持 50 多种语言的识别。FunASR 不仅提供与 OpenAI 兼容的 API 接口,还通过 vLLM 加速技术大幅提升大模型推理效率,能够无缝接入智能体(Agent)系统,是构建高精度、低延迟语音交互应用的理想选择。
主要功能
**高精度语音识别:**基于先进的自监督学习与端到端模型,在多种噪声场景下保持稳定的识别准确率。
**多语言支持:**覆盖 50 余种语言,包括中、英、日、韩、法、德等主流语种及部分方言。
**说话人分离(Speaker Diarization):**自动区分不同说话人,输出带标签的对话文本。
**情感检测:**实时分析语音中的情绪倾向,支持愤怒、高兴、悲伤等常见情感分类。
**流式与离线双模式:**支持实时流式识别与完整音频的离线批量处理,灵活适配不同业务场景。
**Agent 集成:**提供标准化接口,可快速将语音能力嵌入智能客服、语音助手等智能体系统。
定价与费用
- 定价:我们审阅的页面上未公开列出;请访问官网查询当前方案。
- 开源工具包:FunASR 托管于 GitHub,可本地安装和运行,核心推理不产生按次调用的服务费。
- 灵活部署:支持原生 vLLM、FunASR 分离式引擎 vLLM,以及 llama.cpp 与 GGUF 模型,用户可按预算和硬件选择部署方式。
- 兼容 Whisper 的 API:提供 OpenAI 兼容接口,现有的 OpenAI/Whisper 集成可无需改写代码即可切换。
适用人群
FunASR 适合以下用户群体:
- **AI 应用开发者:**希望快速为产品添加语音识别、说话人分离或情感分析能力,减少自研成本。
- **企业技术团队:**需要部署高并发、低延迟的语音服务,用于呼叫中心、会议记录、直播字幕等场景。
- **智能体与 RPA 开发者:**希望将语音交互集成到 Agent 工作流中,实现语音驱动的自动化任务。
- **学术研究者:**需要灵活、可复现的基线系统进行语音技术实验与对比。