Funsound 多路语音识别服务搭建

官网：https://www.funsound.cn

魔塔：https://modelscope.cn/studios/QuadraV/FunSound

1. 特性

Funsound 整合了 Funasr, Whisper, 和 Sherpa 等开源语音识别方案，构建了一个高效的语音识别部署系统。Funsound2 基于 WebSocket 协议进行语音上传和实时结果返回。

主要特性：

• 面向多路的异步并发服务端设计
• 集成 Whisper 和 Funasr 等 SOTA开源模型
• 支持 时间戳、热词、声纹 和 多语言翻译 等功能

更新日志

• 2025/04/20 发布初版funsound源码
• 2025/04/25 优化精简代码，去除torch/funasr等冗余库和代码
• 2025/04/29 更新onnxruntime并发机制，构建线程安全复用（⭐）

---

2. 安装

Step 1: 创建环境

conda create -n funsound python=3.10
conda activate funsound
pip install -r requirements.txt
# 安装完毕后，查看funsound.lib是否存在遗漏,同时指定FFMPEG位置

Step 2: 下载模型

python download_models.py

Step 3: 修改配置

请参考 funsound.config 自行修改服务配置。

---

3. 启动服务

python -m funsound.web.server 8800

# 后台运行
# bash launch.sh
# 杀掉后台
# bash launch.sh -k

---

4. 客户端测试

Python 客户端

python client.py # 自行修改ws地址 和 音频路径 进行测试。

网页客户端

修改 client.html 中的 WebSocket 服务地址进行测试。

---

5. 高级

Funsound交互逻辑如图：

• funsound.brain.translator: 基于大语言模型（LLM）的跨语言翻译
• funsound.engine: 并发引擎接口
• funsound.pipeline: Funsound 业务接口
• funsound.web: Funsound 服务部署

---

6. 联系作者

如有问题或建议，请联系：

邮箱: 605686962@qq.com