简介

使用FunAsr进行语音识别,并转为文本或字幕文件。

功能

  • 语音识别

  • 语音时间戳预测

  • 语音转字幕

直接生成 srt 字幕文件

测试内容


1
00:00:00,130 --> 00:00:02,970
今天给小朋友们讲个超有趣的

2
00:00:02,970 --> 00:00:07,030
故事小熊笨笨特别爱画画可他

3
00:00:07,110 --> 00:00:09,190
画啥都不像有一回画

4
00:00:09,270 --> 00:00:13,250
苹果画的像土豆画大树树干

5
00:00:13,350 --> 00:00:16,730
歪歪扭扭伙伴们看了画笑笨笨

6
00:00:16,730 --> 00:00:19,950
可难过了晚上笨笨对着画

7
00:00:19,950 --> 00:00:23,430
哭眼泪掉进画里神奇的事儿

8
00:00:23,430 --> 00:00:27,200
发生了画里的苹果变得又大

9
00:00:27,220 --> 00:00:31,380
又红大树也变得笔直茂盛笨笨

10
00:00:31,380 --> 00:00:35,260
明白了只要用心不放弃就能

11
00:00:35,280 --> 00:00:38,660
画出漂亮画小朋友们你们画画的

12
00:00:38,720 --> 00:00:40,395
时候也要这样哦

官方仓库

ComfyUI-AV-FunASR

模型结构

 iic
    ├── speech_fsmn_vad_zh-cn-16k-common-pytorch
    │   ├── README.md
    │   ├── am.mvn
    │   ├── config.yaml
    │   ├── configuration.json
    │   ├── example
    │   ├── fig
    │   └── model.pt
    ├── speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch
    │   ├── README.md
    │   ├── am.mvn
    │   ├── asr_example_hotword.wav
    │   ├── config.yaml
    │   ├── configuration.json
    │   ├── example
    │   ├── fig
    │   ├── model.pt
    │   ├── seg_dict
    │   └── tokens.json
    └── speech_timestamp_prediction-v1-16k-offline
        ├── README.md
        ├── am.mvn
        ├── config.yaml
        ├── configuration.json
        ├── example
        ├── model.pt
        ├── seg_dict
        └── tokens.json

https://modelscope.cn/models/iic/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/files

报错

这个节点分支默认装不上。

pip install funasr

安装不用编译的版本

pip install aliyun-python-sdk-core-v3==2.13.10