FunASR WebSocket服务
简介
本项目基于FunASR实现了一个WebSocket语音识别服务，支持实时语音流的在线和离线识别。利用ModelScope开源语音模型，该服务可以进行高精度的中文语音识别，并支持语音活动检测(VAD)和自动添加标点符号。
项目结构
.
├── src/ # 源代码目录
│ ├── __init__.py # 包初始化文件
│ ├── server.py # WebSocket服务器实现
│ ├── config.py # 配置处理模块
│ ├── models.py # 模型加载模块
│ ├── service.py # ASR服务实现
│ └── client.py # 测试客户端
├── tests/ # 测试目录
│ ├── __init__.py # 测试包初始化文件
│ └── test_config.py # 配置模块测试
├── requirements.txt # Python依赖
├── Dockerfile # Docker配置
├── docker-compose.yml # Docker Compose配置
├── .gitignore # Git忽略文件
└── README.md # 项目说明
功能特性
- 多模式识别：支持离线(offline)、在线(online)和两阶段(2pass)识别模式
- 语音活动检测：自动检测语音开始和结束
- 标点符号：支持自动添加标点符号
- WebSocket接口：基于二进制WebSocket提供实时语音识别
- Docker支持：提供容器化部署支持
安装与使用
环境要求
- Python 3.8+
- CUDA支持 (若需GPU加速)
- 内存 >= 8GB
安装依赖
pip install -r requirements.txt
运行服务器
python src/server.py
常用启动参数:
--host: 服务器监听地址，默认为 0.0.0.0--port: 服务器端口，默认为 10095--device: 设备类型(cuda或cpu)，默认为 cuda--ngpu: GPU数量，0表示使用CPU，默认为 1
测试客户端
python src/client.py --audio_file path/to/audio.wav
常用客户端参数:
--audio_file: 要识别的音频文件路径--mode: 识别模式，可选 2pass/online/offline，默认为 2pass--host: 服务器地址，默认为 localhost--port: 服务器端口，默认为 10095
Docker部署
构建镜像
docker build -t funasr-websocket .
使用Docker Compose启动
docker-compose up -d
API说明
WebSocket消息格式
- 客户端配置消息:
{
"mode": "2pass", // 可选: "2pass", "online", "offline"
"chunk_size": "5,10", // 块大小，格式为"encoder_size,decoder_size"
"wav_name": "audio1", // 音频标识名称
"is_speaking": true // 是否正在说话
}
-
客户端音频数据: 二进制音频数据流，16kHz采样率，16位PCM格式
-
服务器识别结果:
{
"mode": "2pass-online", // 识别模式
"text": "识别的文本内容", // 识别结果
"wav_name": "audio1", // 音频标识
"is_final": false // 是否是最终结果
}