**获取miniconda安装包**
Invoke-WebRequest -Uri "https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe" -OutFile ".\Miniconda3-latest-Windows-x86_64.exe"

**激活conda仓库**
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/msys2

**在目录下进入conda环境**
%WINDIR%\System32\cmd.exe "/K" D:\ProgramData\miniconda3\Scripts\activate.bat D:\ProgramData\miniconda3

**创建虚拟环境**
conda create -n audio python=3.10 -y
**激活**
conda activate audio
**取消激活**
conda deactivate

**conda中执行**
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install -r requirements.txt

**使用audio虚拟环境的python解释器**
D:\ProgramData\miniconda3\envs\audio\python.exe










# FunASR 语音识别服务

基于阿里达摩院 [FunASR](https://github.com/alibaba-damo-academy/FunASR) 的本地语音识别解决方案。

## 功能特性

| 功能 | 说明 |
|------|------|
| **句级时间戳** | 每句话的开始和结束时间 |
| **说话人分离** | 自动区分不同说话人 |
| **抗噪能力** | VAD 语音活动检测，过滤噪音 |
| **本地部署** | 完全离线运行，数据不上传云端 |

## 项目结构

```
audio2/
├── funasr_env/              # 虚拟环境
├── models/                  # 模型缓存目录
├── asr_service.py           # 核心服务类
├── test_asr.py              # 测试脚本
├── example_usage.py         # 使用示例
├── run_asr.bat              # Windows 运行脚本
├── fix_path_issue.bat       # 路径修复脚本（推荐）
├── enable_long_path.ps1     # 启用长路径支持（管理员）
├── requirements.txt         # 依赖列表
└── README.md                # 本文档
```

## 快速开始

### Windows 用户注意 ⚠️

如果遇到 **"文件名或扩展名太长"** 错误，请使用以下方法之一：

#### 方法 1：使用 fix_path_issue.bat（推荐）
```bash
fix_path_issue.bat your_audio.wav
```

#### 方法 2：启用 Windows 长路径支持（永久解决）
1. 右键 PowerShell → 以管理员身份运行
2. 运行：`enable_long_path.ps1`
3. 重启电脑

### 1. 激活虚拟环境

```bash
# Windows CMD
funasr_env\Scripts\activate.bat

# Linux/Mac
source funasr_env/bin/activate
```

### 2. 安装依赖（如果未安装）

```bash
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install funasr modelscope
```

### 3. 测试识别

```bash
# 方法 1：使用修复脚本（推荐 Windows 用户）
fix_path_issue.bat your_audio.wav

# 方法 2：直接运行
python test_asr.py -f your_audio.wav

# 批量识别目录
python test_asr.py -d ./audio_files/

# 使用 SenseVoice 模型（多语言）
python test_asr.py -f your_audio.wav -m SenseVoice
```

## 代码使用示例

### 基础识别

```python
from asr_service import ASRService

# 初始化服务
service = ASRService(model_name="paraformer-zh")

# 识别音频
sentences = service.recognize("meeting.wav")

# 打印结果
for sent in sentences:
    print(f"[{sent.speaker}] {sent.text}")
    print(f"  时间: {sent.begin_time:.2f}s - {sent.end_time:.2f}s")
```

### 导出结果

```python
# 导出为 JSON
service.export_to_json(sentences, "result.json")

# 导出为 SRT 字幕
service.export_to_srt(sentences, "result.srt")
```

## 输出格式

### JSON 格式

```json
{
  "total_sentences": 3,
  "sentences": [
    {
      "speaker": "SPEAKER_00",
      "text": "大家好，今天的会议现在开始。",
      "begin_time": 0.50,
      "end_time": 3.20,
      "duration": 2.70
    },
    {
      "speaker": "SPEAKER_01",
      "text": "好的，我先汇报一下进度。",
      "begin_time": 3.50,
      "end_time": 6.10,
      "duration": 2.60
    }
  ]
}
```

### SRT 字幕格式

```srt
1
00:00:00,500 --> 00:00:03,200
[SPEAKER_00] 大家好，今天的会议现在开始。

2
00:00:03,500 --> 00:00:06,100
[SPEAKER_01] 好的，我先汇报一下进度。
```

## 支持的音频格式

- WAV
- MP3
- M4A
- FLAC
- OGG
- WMA

## 模型选择

| 模型 | 说明 | 适用场景 |
|------|------|----------|
| `paraformer-zh` | 达摩院中文模型（默认） | 中文语音识别，支持说话人分离 |
| `SenseVoice` | 多语言模型 | 多语言、方言、情感识别 |

## 硬件要求

| 配置 | 说明 |
|------|------|
| CPU | 支持，速度较慢 |
| GPU | 推荐，RTF < 0.01 |
| 内存 | 4GB+ |
| 显存 | 2GB+ (GPU 模式) |
| 磁盘 | 2GB+（模型缓存） |

## 模型下载

首次运行会自动从魔搭社区下载模型到 `models/` 目录：
- Paraformer: ~500MB
- VAD: ~100MB
- 说话人模型: ~100MB

模型下载来源：
- 魔搭社区：https://modelscope.cn
- 模型缓存：`./models/`（项目目录下）

## 常见问题

### Q: 文件名太长错误？

**A:** Windows 默认路径长度限制为 260 字符。解决方法：
1. 使用 `fix_path_issue.bat` 运行（已配置短路径）
2. 运行 `enable_long_path.ps1` 启用系统长路径支持（需管理员权限+重启）

### Q: 如何准备测试音频？

**A:**
- 自行录制会议/对话音频
- AISHELL 开源数据集：https://www.openslr.org/33/

### Q: 支持多人同时说话吗？

**A:** 支持。说话人分离模块会自动区分不同说话人。

### Q: 对噪音环境有什么优化？

**A:** 集成了 FSMN-VAD 语音活动检测，能有效过滤背景噪音。

### Q: 如何切换 CPU/GPU？

**A:**
```python
# CPU
service = ASRService(device="cpu")

# GPU
service = ASRService(device="cuda")

# 自动选择
service = ASRService(device="auto")
```

## 参考链接

- FunASR 官方仓库：https://github.com/alibaba-damo-academy/FunASR
- 魔搭社区：https://modelscope.cn
- PyTorch 安装：https://pytorch.org/get-started/locally/

## 许可证

本项目使用 Apache-2.0 许可证

## 运行
run.bat input/VID_20251031_132320_019_mono.wav
run.bat input/VID_20251031_132320_019_mono_speak_only.wav