FunASR 离线语音转写：Windows 本地部署 64 路并发实操手册

FunASR 离线语音转写：Windows 本地部署 64 路并发实操手册

【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR

FunASR 是达摩院语音实验室推出的开源语音识别工具包，覆盖语音转写、语音活动检测（VAD）、标点恢复（PUNC）等全链路能力。在 Windows 上做本地部署，即可跑通完全离线的语音转写：音频不出本机、无需 GPU，16 核 CPU 能支撑 64 路并发。

上图为 FunASR 的整体布局：模型库、训练推理库、运行时与服务层四层，Windows 用户日常打交道的主要是后两层。

没有显卡能不能跑，数据会不会出本地

部署 ASR 服务前，大多数人最关心两个问题：要不要显卡、音频数据去哪里。

• 不需要 GPU：Windows SDK 2.0 支持中/英文离线文件转写，纯 CPU 即可运行，适合企业本地化部署
• 数据留在本地：语音数据完全在本机处理，不上传云端，适合金融客服、医疗记录、司法审讯等隐私敏感场景
• 性能有具体数字：16 核 CPU 服务器支持 64 路并发请求，实时率（RTF）低至 0.0076
• 输入格式省心：集成 FFmpeg，wav、mp3、mp4 等常见音视频可直接转写，无需预先转码

Windows 离线语音识别部署前要准备什么

硬件配置怎么选

系统与软件要求

• 操作系统：Windows 10/11 专业版（64 位）
• 运行时：.NET Framework 4.8 或更高版本
• 容器：Docker Desktop for Windows，需启用 WSL2 后端；家庭版用户需先开启 WSL2，步骤可查微软官方文档

离线转写服务怎么启动

部署流程是「拉取项目 → 一键脚本 → 验证」三步，全程只需按脚本提示选项。

1. 拉取项目并进入部署目录

git clone https://gitcode.com/GitHub_Trending/fun/FunASR.git cd FunASR/runtime/deploy_tools

2. 执行一键部署脚本

双击运行funasr-runtime-deploy-offline-cpu-zh.bat（同目录另有 shell 版funasr-runtime-deploy-offline-cpu-zh.sh，适合 WSL / Git Bash 环境），按提示完成配置：

1. 模型类型：1 = 基础转写，2 = 带时间戳转写，3 = 热词增强
2. 服务端口：默认 10095，可自定义
3. 工作目录：建议选 D 盘等非系统盘，避免权限问题

如果提示docker: command not found，先安装 Docker Desktop 并重启电脑。

服务启动后，每条音频会走完整离线转写链路：语音端点检测 → 声学模型解码 → 标点预测 → 逆文本规范化（ITN），输出带标点、数字已规范化的文本。

3. 验证服务状态

• 浏览器方式：打开http://localhost:10095，能看到服务状态页即部署成功
• 命令行方式：

curl http://localhost:10095/health

预期返回{"status":"healthy","version":"2.0"}。

转写任务怎么调用：单文件、批量与 Web 界面

单文件转写

仓库在runtime/python/websocket目录提供了 Python WebSocket 客户端：

python funasr_wss_client.py --host "127.0.0.1" --port 10095 --mode offline --audio_in "C:/meeting_recording.wav" --use_itn 1

常用参数：

• --audio_in：支持 wav/mp3/mp4 等格式，也支持网络音频 URL
• --use_itn 1：开启数字规范化，例如 "123" 输出为「一百二十三」
• --hotword：指定热词文件路径，提升专业术语识别准确率

批量文件处理

先建一个wav.scp文件，每行「标识 路径」，例如会议记录1 C:/audio/meeting1.mp3。转写时把--audio_in指向该 scp 文件，并追加--output_dir "C:/transcripts"，结果会统一落到指定输出目录。

免代码的 Web 界面

在浏览器打开runtime/html5/static/index.html，即可上传文件转写或实时录音转文字，适合不想写代码的场景。

生产化调优：并发、长音频与日常运维

线程与内存怎么调

• 解码线程数 ≈ CPU 核心数 ÷ 2，IO 线程数 ≈ 核心数 ÷ 4。例如 16 核机器可设为 8/4：funasr-runtime-deploy-offline-cpu-zh.bat update --decode_thread_num 8 --io_thread_num 4
• 超过 1 小时的超长音频，启用分片处理：... update --max_single_audio_length 3600
• 按行业换用专用模型：医疗damo/speech_paraformer-large_asr_nat-zh-cn-16k-medical-vocab5000-pytorch，金融damo/speech_paraformer-large_asr_nat-zh-cn-16k-financial-vocab8404-pytorch，通过update --asr_model <模型名>替换

服务管理命令与日志

服务日志在workspace/logs目录；性能方面可用 Windows 性能监视器跟踪 CPU 与内存占用。更细粒度的部署参数，可查 离线部署进阶文档。

三个高频问题

• 端口被占用（容器闪退、日志报 "port is already allocated"）：用netstat -ano | findstr :10095找到占用进程，再执行taskkill /PID <进程ID> /F强制结束
• 转写准确率不理想：到 模型列表 换更新的模型；在workspace/hotwords.txt中按「热词 权重」逐行添加热词；用 Audacity 等工具把音频统一为 16kHz 采样率
• 防火墙拦截：执行netsh advfirewall firewall add rule name="FunASR" dir=in action=allow protocol=TCP localport=10095放行入站端口

这套本地方案目前主要落在四类需求上：金融客服质检、医疗语音病历、司法审讯转写、教育课堂字幕。后续版本计划补充多语言混合转写、GPU 加速、实时自定义词典更新，以及更丰富的 API 与 SDK。

【免费下载链接】FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.项目地址: https://gitcode.com/GitHub_Trending/fun/FunASR