Industrielles Spracherkennungs-Toolkit für ASR-, VAD- und Emotionsmodelle.
Industrielles Spracherkennungs-Toolkit mit Offline-, Streaming- und Edge-Bereitstellung.
FunASR ist ein industrietaugliches Open-Source-Spracherkennungs-Toolkit, das Training, Inferenz, Streaming-ASR, VAD, Interpunktion und Sprecherdiarisierung unterstützt. Es eignet sich für Entwickler und Forscher, die eine hochperformante lokale Audiotranskription benötigen.
Das Toolkit bietet Modelle wie SenseVoice und Paraformer für mehrsprachige Transkription, Spracherkennung (Voice Activity Detection), Emotionserkennung und Audio-Ereignisklassifizierung. Es unterstützt Python-Integration, eine CLI für Agenten und GGUF-Binärdateien über llama.cpp für CPUs und Edge-Geräte ohne Python.
Es eignet sich für Entwickler, die lokalisierte Sprachanwendungen erstellen, oder für Forscher, die präzise chinesische und mehrsprachige Sprach-Pipelines benötigen. Es ist nicht geeignet für Endbenutzer, die eine sofort einsatzbereite Desktop-GUI-Diktieranwendung ohne Befehlszeilennutzung suchen.
Lokale Endpunkte ausführen, die den OpenAI-Audio-Transkriptions-APIs für eine einfache Integration entsprechen.
Audio Häbchen für Häbchen einspeisen, um Live-Transkriptionen mit benutzerdefinierten Häbchengrößen zu generieren.
Audiodateien mit emotion2vec-Modellen analysieren zur Emotionserkennung auf Äußerungsebene.
Modelle als einzelne in sich geschlossene Binärdatei über llama.cpp ausführen, ohne dass Python erforderlich ist.
Kostenlos unter der MIT-Lizenz, ohne im Repository erwähnte kostenpflichtige gehostete Optionen. Die einzigen Kosten bestehen im Eigenbetrieb auf eigener Hardware.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Ja, Sie können die vorgefertigten llama.cpp-GGUF-Binärdateien verwenden, um Modelle wie SenseVoice als einzelne in sich geschlossene Binärdatei auf CPU oder Edge-Geräten auszuführen.
Ja, Sie können Audio Häbchen für Häbchen in die Streaming-Modellkonfiguration einspeisen, um Echtzeit-Textergebnisse auszugeben.
Zekai zuerst in Google sehen