FunASR框架初步了解；FunASR框架部署及使用；PyTorch版本与python版本的冲突；Fun-ASR-Nano使用问题；

1.FunASR初步了解；
👉目前需要语音转文字的，对文本进行结构化提取字段，以实现控制硬件设施。
👉主要识别的语言种类为：中文。

由此对FunASR进行部署，以及试用。
（1）FunASR是一站式全家桶： 一个完整的语音转文字不只是识别字，还需要很多辅助功能。FunASR 把这些都集成了：
（2）VAD (Voice Activity Detection)： 自动切除静音，只把有声音的部分传给模型，省电省资源。
（3）Punctuation (标点预测)： 智能给转写的文字加标点符号，让一大段话变得易读。
（4）Timestamp (时间戳)： 精确标注每个字出现的时间点，适合做视频字幕。
（5）ITN (Inverse Text Normalization)： 把“二零二四年”自动转成“2024年”。
👉也就是说FunASR框架主要是对输入数据的预处理，后处理等，然后整合语音识别的一个框架。

FunASR包含的主要模型：
（1）Paraformer (非自回归模型)： 它的王牌模型，识别中文极其精准，速度极快。
（2）SenseVoice： 2024年推出的新宠，不仅能转文字，还能听出你是谁、你是不是在笑、背景是不是在放音乐。
（3）FSMN-Monophone (热词增强)： 专门解决“人名、公司名、专业术语”识别不准的问题，你可以通过加“热词表”来强行修正。
不仅如此，FunASR还支持Whisper-large、Qwen等主流的语音识别模型。
👉根据需求来看，选用Paraformer最为合适，需要的是快速精准的识别中文，对情绪和热词方面的需求不高。

2.FunASR部署及使用
（1）FunASR的安装
FunASR部署可以使用pip直接安装到pypi，虚拟环境建立完毕后执行;
pip3 install -U funasr
（2）FunASR模型路径问题
为了防止模型塞满C盘或系统盘（/root），我需要对模型路径进行修改或者指定;
FunASR入口函数已经提供了指定模型路径的参数：

model = AutoModel(
    model=model_dir,
    vad_model="fsmn-vad",
    vad_kwargs={"max_single_segment_time": 30000},
    device="cuda:0",
)

从魔塔（www.modelscope）直接下载模型文件，运行以下命令：
modelscope download --model iic/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch --local_dir ./vad_models
直接指定model位置，成功官方运行代码，识别了示例文件；

👉参数model与vad_model不是一个模型：
（1）参数model：是语音识别转文本模型。
（2）参数vad_model：模型将较长的音频分割成较短的片段。

👉遇到一个小坑：
centOS系统没有装ffmpeg，自动用 torchaudio 在读音频
使用ffmpeg可以更稳、支持格式更多：

场景	ffmpeg是否必须
wav / 16k / PCM	❌ 不必须
mp3 / m4a / flac / 各种野路子音频	✅ 强烈建议

👉CentOS 8安装ffmpeg需要用到各种系统依赖；
chatgpt有另一种方案，直接Conda安装：
conda install -c conda-forge ffmpeg
✅ 不依赖 SDL2
✅ 不污染系统
✅ torchaudio / funasr 100% 兼容

3.PyTorch版本与python版本的冲突；
👉部署FunASR最新Fun-ASR-Nano时，我习惯性使用3.9版本的python
👉然而在用pip安装依赖时，pip一直在报找不到PyTorch=2.9.0的版本
👉但是在PyTorch官网中，一直都是有2.9.0版本；
👉删除了3.9的conda环境，换上3.1的python环境才解决这个问题。
👉这个版本对应问题在PyTorch中并没有显眼提及，安装PyTorch也要对应高版本的python

4.Fun-ASR-Nano使用问题
FunASR框架成功通过pip安装并使用；
paraformer-zh识别模型也是能够成功运用到框架中，但是Fun-ASR-Nano仍然运行不了；
运行Fun-ASR-Nano首先需要安装transformer。
其次，切换到Fun-ASR-Nano会不停报：
AssertionError: FunASRNano is not registered
暂时不知道怎么解决；