# Fun-ASR-Nano

**Repository Path**: dlp/fun-asr-nano

## Basic Information

- **Project Name**: Fun-ASR-Nano
- **Description**: Fun-ASR-Nano Web Demo。原始代码来自 https://www.modelscope.cn/studios/FunAudioLLM/Fun-ASR-Nano.git
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-03-19
- **Last Updated**: 2026-03-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Fun-ASR-Nano

一个基于 Gradio 的轻量级语音识别 (ASR) 应用，集成了 Fun-ASR-Nano 和 SenseVoice 等先进的语音识别模型。

官方项目地址：
https://github.com/modelscope/FunASR/

https://www.modelscope.cn/studios/FunAudioLLM/Fun-ASR-Nano


## 功能特性

- **多模型支持**：
  - Fun-ASR-Nano：支持 50+ 种语言和中文方言的大语言模型 ASR
  - SenseVoice：基于 CTC 的 ASR 模型，内置 VAD（语音活动检测）

- **多种输入方式**：
  - 上传音频文件
  - 录制音频
  - 音频 URL 输入

- **灵活配置**：
  - 支持代理设置
  - 可选下载方法
  - 支持音频片段选择
  - 详细日志输出

- **用户友好的界面**：
  - 直观的 Gradio Web 界面
  - 实时进度显示
  - 可下载转录结果

## 安装步骤

### 1. 安装系统依赖

确保您的系统已安装以下工具：

```bash
# 使用 Homebrew (macOS)
brew install ffmpeg aria2 wget

# 使用 apt (Ubuntu/Debian)
sudo apt-get update
sudo apt-get install ffmpeg aria2 wget
```

### 2. 安装 Python 依赖

```bash
# 创建并激活虚拟环境（可选但推荐）
python3 -m venv venv
source venv/bin/activate  # macOS/Linux

# 安装 Python 包
pip install -r requirements.txt
```

## 使用方法

### 1. 启动应用

```bash
python app.py
```

应用将在 http://localhost:7860 启动。

### 2. 使用界面

1. **选择输入方式**：
   - 点击 "Upload or Record Audio" 上传或录制音频
   - 或在 "Audio URL" 字段中输入音频文件的 URL

2. **配置选项**：
   - 选择管道类型（Fun-ASR-Nano 或 SenseVoice）
   - 选择具体模型
   - 根据需要设置代理

3. **开始转录**：
   - 点击 "Transcribe" 按钮开始语音识别
   - 等待处理完成，查看转录结果
   - 可下载转录文本文件

## 支持的语言

- **Fun-ASR-Nano**：50+ 种语言和中文方言
- **SenseVoiceSmall**：中文(zh)、英文(en)、粤语(yue)、日语(ja)、韩语(ko)

## 项目结构

```
Fun-ASR-Nano/
├── app.py              # 主应用程序
├── requirements.txt    # Python 依赖
├── packages.txt        # 系统依赖
├── Fun-ASR/           # 模型相关代码
│   ├── ctc.py
│   └── model.py
└── .gitignore
```

## 注意事项

- 首次使用时，应用会自动下载所需的模型文件，可能需要一些时间
- 建议使用稳定的网络连接，特别是在下载模型时
- 对于大型音频文件，转录时间可能会较长
- 开发环境中使用 `debug=True` 可以获得更详细的错误信息，但在生产环境中应关闭

## 许可证

[MIT License](LICENSE)