【python ASR】win11-从0到1使用funasr实现本地离线音频转文本

前言

python本地离线跑模型，需要下载许多依赖以及依赖版本都要互相对应。本文总结从0到1到运行funasr的过程。希望帮助友友们，能够快速上手，避免浪费时间在环境和依赖版本的校对上。

一、前提条件

安装环境

仓库

可以看到一些前提条件
python>=3.8
torch>=1.13
torchaudio

Python 安装

3.8 比较旧了，这里我取中间，安装 Python3.11

• 下载地址python 3.11
• 详细步骤:参考保姆教程

安装依赖,使用工业预训练模型

pip3 install -U modelscope huggingface

最后安装 - torch

1. 安装前查看显卡支持的最高CUDA的版本，以便下载torch 对应的版本的安装包。torch 中的CUDA版本要低于显卡最高的CUDA版本。

nvidia-smi.exe

如果你发现你的CUDA是10.1或者11以下比较旧的，建议升级下显卡驱动就可以了。

2. 前往网站下载Pytorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

二、使用步骤

from funasr import AutoModel
model = AutoModel(model="paraformer-zh",  vad_model="fsmn-vad", punc_model="ct-punc" )
res = model.generate(input="demo.mp3", 
            batch_size_s=300, 
            hotword='魔搭')
print(res)

源音频URL对比

[{'key': 'demo', 'text': '是有哪些学校的GPA特别难拿？行，我跟大家盘一盘吧，也刚好避一个坑。那第一个说一说BU吧，它处于波士顿的核心地带，常年都会在这个final最难的几所美国大学的排行榜上榜上有名。还有呢，就是像这个MIT申请的时候，难度也就特别高，考试难度拿GP的难度也非常高。还有呢就是像普林斯顿，虽然说很多藤校会有GPA inflation,但是呢普林斯顿在这一点上卡的很严严，我们 的GPA一点活路都不留。还有呢就是像普渡大学工科相关的专业，学起来难度也比较大。还有就是哈维姆德，它其实是一个科学和工程专业的强校，录取难度也很高，读下来拿高GP的难度也很高。', 'timestamp': [[130, 310], [310, 430], [430, 670], [730, 830], [830, 950], [950, 1070], [1070, 1190], [1190, 1550], [1550, 1630], [1630, 1730], [1730, 1970], [2450, 2690], [2690, 2810], [2810, 2930], [2930, 3050], [3050, 3130], [3130, 3290], [3290, 3410], [3410, 3590], [3590, 3710], [3710, 3830], [3830, 3950], [3950, 4070], [4070, 4190], [4190, 4310], [4310, 4410], [4410, 4650], [4650, 4770], [4770, 4890], [4890, 5010], [5010, 5210], [5210, 5310], [5310, 5430], [5430, 5610], [5610, 5790], [5790, 6210], [6210, 6450], [6510, 6690], [6690, 6930], [6930, 7050], [7050, 7170], [7170, 7290], [7290, 7430], [7430, 7510], [7510, 7710], [7710, 7870], [7870, 8070], [8070, 8290], [8290, 8530], [8550, 8650], [8650, 8830], [8830, 9070], [9090, 9190], [9190, 9290], [9290, 9490], [9490, 9970], [9970, 10210], [10210, 10450], [10470, 10630], [10630, 10850], [10850, 10990], [10990, 11190], [11190, 11350], [11350, 11470], [11470, 11610], [11610, 11710], [11710, 11890], [11890, 12130], [12130, 12330], [12330, 12490], [12490, 12610], [12610, 12790], [12790, 13030], [13090, 13170], [13170, 13330], [13330, 13450], [13450, 13570], [13570, 13650], [13650, 13850], [13850, 13990], [13990, 14110], [14110, 14230], [14230, 14950], [14950, 15070], [15070, 15210], [15210, 15310], [15310, 15430], [15430, 15550], [15550, 15670], [15670, 15770], [15770, 15910], [15910, 16010], [16010, 16129], [16129, 16370], [16510, 16610], [16610, 16810], [16810, 17030], [17030, 17150], [17150, 17350], [17350, 17450], [17450, 17670], [17670, 17790], [17790, 17890], [17890, 18010], [18010, 18210], [18210, 18310], [18310, 18550], [18550, 18730], [18730, 18850], [18850, 19030], [19030, 19150], [19150, 19270], [19270, 19350], [19350, 19530], [19530, 19630], [19630, 19770], [19770, 19930], [19930, 20130], [20130, 20290], [20290, 20470], [20470, 20710], [20750, 20890], [20890, 21090], [21090, 21250], [21250, 21490], [21630, 21790], [21790, 22030], [22150, 22530], [22530, 23170], [23250, 23410], [23410, 23570], [23570, 23710], [23710, 23810], [23810, 23990], [23990, 24170], [24170, 24410], [24490, 24730], [24790, 24950], [24950, 25070], [25070, 25310], [25310, 25510], [25510, 25610], [25610, 25730], [25730, 25850], [25850, 26090], [26230, 26390], [26390, 26470], [26470, 26570], [26570, 26650], [26650, 27070], [27070, 27170], [27170, 27350], [27350, 27470], [27470, 27650], [27650, 27770], [27770, 27850], [27850, 28090], [28210, 28310], [28310, 28490], [28490, 28610], [28610, 28730], [28730, 28810], [28810, 29050], [29050, 29210], [29210, 29410], [29410, 29570], [29570, 29810], [29930, 30050], [30050, 30250], [30250, 30470], [30470, 30650], [30650, 30790], [30790, 30890], [30890, 31130], [31150, 31310], [31310, 31430], [31430, 31570], [31570, 31730], [31730, 31850], [31850, 31970], [31970, 32070], [32070, 32189], [32189, 32430], [32470, 32549], [32549, 32730], [32730, 32830], [32830, 32910], [32910, 33030], [33030, 33210], [33210, 33390], [33390, 33630], [33770, 33910], [33910, 34050], [34050, 34230], [34230, 34330], [34330, 34410], [34410, 34610], [34610, 34830], [34830, 35010], [35010, 35230], [35230, 35430], [35430, 35670], [35710, 35850], [35850, 36030], [36030, 36170], [36170, 36410], [36450, 36690], [36950, 37050], [37050, 37230], [37230, 37350], [37350, 37470], [37470, 37650], [37650, 37770], [37770, 38010], [38070, 38190], [38190, 38310], [38310, 38490], [38490, 38610], [38610, 38810], [38810, 39090], [39090, 39210], [39210, 39310], [39310, 39410], [39410, 39590], [39590, 39710], [39710, 40015]]}]

总结

以上是使用Python跑 funasr 模型的过程。
总的来说就是 torch安装需要对应你的显卡版本，要小于你的显卡CUDA最大支持版本。
后续会记录Python爬取抖音主页的数据，拿到点赞量及无水印视频等。