Kit de ferramentas de reconhecimento de fala industrial para modelos de ASR, VAD e emoção.
Kit de ferramentas de reconhecimento de fala industrial com implantação offline, em tempo real e de borda.
O FunASR é um kit de ferramentas de reconhecimento de fala de código aberto de nível industrial que suporta treinamento, inferência, ASR em tempo real, VAD, pontuação e diarização de locutores. É adequado para desenvolvedores e pesquisadores que precisam de transcrição de áudio local de alto desempenho.
O kit de ferramentas fornece modelos como SenseVoice e Paraformer para transcrição multilíngue, detecção de atividade de voz, reconhecimento de emoção e classificação de eventos de áudio. Ele suporta integração com Python, uma CLI para agentes e binários GGUF via llama.cpp para CPU e dispositivos de borda sem Python.
É adequado para desenvolvedores que constroem aplicativos de fala localizados ou pesquisadores que precisam de pipelines de fala em chinês e multilíngues precisos. Não é adequado para usuários finais que procuram um aplicativo de ditado com interface gráfica pronta para uso sem o uso de linha de comando.
Execute endpoints locais correspondentes às APIs de transcrição de áudio da OpenAI para fácil integração.
Alimente áudio bloco por bloco para gerar transcrições ao vivo com tamanhos de bloco personalizados.
Analise arquivos de áudio usando modelos emotion2vec para detecção de emoção na granularidade de enunciação.
Execute modelos como um único binário autossuficiente via llama.cpp sem precisar de Python.
Gratuito sob a licença MIT, sem opções hospedadas pagas mencionadas no repositório. O único custo é executá-lo você mesmo no seu próprio hardware.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Sim, você pode usar os binários GGUF pré-construídos do llama.cpp para executar modelos como o SenseVoice como um único binário autossuficiente em CPU ou dispositivos de borda.
Sim, você pode alimentar áudio bloco por bloco na configuração do modelo de streaming para gerar resultados de texto em tempo real.
Veja o Zekai primeiro no Google