FunASR 是阿里通义实验室（达摩院）开源的工业级语音识别（ASR）工具包，集语音识别、语音活动检测（VAD）、标点恢复、说话人分离、情感识别等多功能于一体，是开源社区最完整的语音识别方案之一。

核心特性

• 多功能一体化：提供 ASR 识别、VAD 检测、标点恢复、说话人分离（声纹）、情感识别等多种模型与管道
• 多模型可选：支持 Fun-ASR-Nano（中英日 + 中文方言）、SenseVoice（五语种 + 情感/事件识别）、Paraformer（低延迟流式）等多个主流模型
• 超高性能：推理速度极快（Fun-ASR-Nano + vLLM 可达 340x 实时），CPU 也能流畅运行
• 流式识别：支持 WebSocket 流式实时识别，满足实时字幕、会议转写等场景
• 部署友好：提供 OpenAI 兼容 API 服务、MCP Server、llama.cpp/GGUF 边缘部署方案
• 训练与微调：开放完整训练代码，支持在自有数据集上训练与微调

适用场景

语音转写、会议纪要、实时字幕、智能客服质检、语音搜索、语音指令控制、情感分析等。

更多信息可参考：https://github.com/modelscope/FunASR