SenseVoice 是阿里达摩院 FunAudioLLM 开源的多语言语音理解基础模型，支持高精度语音识别（ASR）、情感识别（SER）和音频事件检测（AED），覆盖中文、粤语、英文、日文、韩文五种语言，推理速度极低延迟。

核心特性

• 多语言语音识别：支持中文、粤语、英文、日文、韩文五种语言，非自回归端到端架构实现低延迟推理
• 情感识别与事件检测：内置语音情感识别（SER）能力，可检测 bgm、掌声、笑声、哭泣、咳嗽等音频事件
• 高精度转写：识别结果带标点与时间戳，支持说话人分离（需配合 FunASR 管线）
• 轻量高效：SenseVoiceSmall 模型体积小，支持 CPU/GPU 双模式推理，无 GPU 自动降级 CPU
• GGUF 量化支持：支持 llama.cpp/GGUF 格式，可脱离 Python 以单二进制文件在 CPU/边缘设备运行

适用场景

语音转写与字幕生成、语音助手、内容审核、会议记录、多语言音频分析

更多信息可参考：https://www.funasr.com/