编程智能体与代码 · 工具介绍
FunASR
提供语音识别工具与模型调用接口，可对音频生成转写文本，并按选用模型配置离线、流式等处理。
FunASR 能做什么
提供语音识别工具与模型调用接口，可对音频生成转写文本，并按选用模型配置离线、流式等处理。
- 音频视频转写与语音识别
如何使用 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
- 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。
- 通过 AutoModel 加载模型，将音频交给 generate。
- 读取返回的文本，对照原音频核对人名、数字和专有词。
预期交付物
- 音频识别生成的转写文本
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。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估FunASR
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
