FunASR

把音频转成可核对的文字

准备输入

• 有权处理的录音文件或音频地址
• 与语言、硬件相匹配的识别模型

操作步骤

1. 安装语音识别环境，检查 CPU 或 GPU 配置，选定适合录音语言的模型。
2. 通过 AutoModel 加载模型，将音频交给 generate。
3. 读取返回的文本，对照原音频核对人名、数字和专有词。

语言覆盖和附加能力取决于具体模型；不要把语音活动分段当成精确说话人身份识别，关键文字需人工复核。