Промышленный набор инструментов для распознавания речи для ASR, VAD и моделей эмоций.
Промышленный набор инструментов для распознавания речи с поддержкой автономного режима, потоковой передачи и развертывания на периферийных устройствах.
FunASR — это открытый набор инструментов для распознавания речи промышленного уровня, поддерживающий обучение, вывод, потоковый ASR, VAD, расстановку знаков препинания и диаризацию спикеров. Он подходит для разработчиков и исследователей, которым необходима высокая производительность локальной транскрипции аудио.
Набор инструментов предоставляет такие модели, как SenseVoice и Paraformer, для многоязычной транскрипции, определения голосовой активности, распознавания эмоций и классификации звуковых событий. Он поддерживает интеграцию с Python, интерфейс командной строки (CLI) для агентов и бинарные файлы GGUF через llama.cpp для процессоров и периферийных устройств без Python.
Он подходит разработчикам, создающим локализованные речевые приложения, или исследователям, которым нужны точные конвейеры распознавания китайской и многоязычной речи. Он не подходит конечным пользователям, ищущим готовое настольное приложение с графическим интерфейсом для диктовки без использования командной строки.
Запускайте локальные конечные точки, соответствующие API транскрипции аудио OpenAI, для простой интеграции.
Подавайте аудио по частям для генерации живых транскрипций с настраиваемыми размерами блоков.
Анализируйте аудиофайлы с помощью моделей emotion2vec для определения эмоций на уровне высказываний.
Запускайте модели как единый автономный бинарный файл через llama.cpp без необходимости использования Python.
Бесплатно по лицензии MIT, в репозитории не упомянуты никакие платные хостинг-опции. Единственная стоимость — запуск на собственном оборудовании.
877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Да, вы можете использовать предварительно собранные бинарные файлы llama.cpp GGUF для запуска таких моделей, как SenseVoice, в виде единого автономного бинарного файла на процессоре или периферийных устройствах.
Да, вы можете передавать аудио по частям в конфигурацию потоковой модели для вывода текстовых результатов в реальном времени.
Zekai первым в Google