刘红皓1. 项目概述
FunASR是阿里巴巴达摩院开源的一款高性能语音识别工具包，特别适合需要实时语音转写的应用场景。作为一名长期从事语音技术开发的工程师，我在多个企业级项目中都采用过这套方案。相比商业API，FunASR最大的优势在于可以私有化部署，既能保证数据安全，又能根据业务需求灵活调整模型。
这个项目最吸引我的三个特点：
- 端到端的流式识别能力，延迟可控制在毫秒级
- 内置说话人分离（Speaker Diarization）功能
- 支持热词定制和领域自适应训练
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备
2.1 服务器选型建议
根据我的部署经验，推荐以下配置：
- CPU：至少4核（推荐8核以上）
- 内存：16GB起步（流式识别需保持常驻内存）
- 磁盘：50GB可用空间（主要存放模型文件）
- 系统：Ubuntu 20.04 LTS（兼容性最佳）
注意：虽然官方说支持国产Linux系统，但在实际测试中，麒麟OS等发行版需要额外安装glibc兼容库
2.2 基础环境配置
先更新系统并安装必要工具：
bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y docker.io docker-compose
配置docker用户组（避免每次sudo）：
bash复制sudo usermod -aG docker $USER
newgrp docker # 立即生效
3. 部署流程
3.1 镜像获取与加载
官方提供了两种获取镜像的方式：
- 直接拉取（需网络通畅）：
bash复制docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-0.1.5
- 离线加载（适合内网环境）：
bash复制tar -zxvf asr_docker.tar.gz
docker load -i asr_docker.tar
验证镜像：
bash复制docker images | grep funasr
应该能看到类似sichuan_asr:v2的镜像名称
3.2 容器启动参数详解
推荐使用这个优化过的启动命令：
bash复制docker run -itd \
--name funasr_service \
-p 10095:10095 \
-p 9090:9090 \
-v /path/to/local/models:/workspace/models \
--restart=unless-stopped \
--cpus=6 \
--memory=12g \
sichuan_asr:v2
参数说明：
-v挂载点：建议将模型文件放在宿主机，方便更新维护--cpus：限制CPU核心数，避免资源争抢--memory：限制内存用量，防止OOM
3.3 服务启动与验证
进入容器：
bash复制docker exec -it funasr_service bash
启动双通道识别服务：
bash复制cd FunASR/runtime
bash run_server_2pass.sh
这个脚本会同时启动：
- 实时流式识别（WebSocket端口10095）
- 离线文件转写（HTTP端口9000）
测试服务是否正常：
bash复制curl http://localhost:9000
应该返回FunASR server is running
4. 进阶配置
4.1 模型管理
模型目录结构说明：
code复制/workspace/models/
├── damo
│ ├── asr_paraformer-large-vad-punc_spk_16k-common
│ └── ...其他模型
└── ...自定义模型
更新模型的方法：
- 下载新版模型到宿主机挂载目录
- 修改
run_server_2pass.sh中的模型路径 - 重启容器
4.2 性能调优
在run_server_2pass.sh中可调整的关键参数：
bash复制# 线程数建议设为CPU核心数的1.5倍
THREAD_NUM=6
# 流式识别缓存大小（单位：毫秒）
CHUNK_SIZE=200
# 是否启用GPU加速（需NVIDIA容器运行时）
USE_GPU=false
5. 接口调用示例
5.1 WebSocket实时识别
Python客户端示例：
python复制import websockets
import asyncio
async def send_audio():
async with websockets.connect("ws://your_server_ip:10095") as ws:
# 发送音频配置
await ws.send('{"mode":"2pass","wav_name":"test.wav"}')
# 流式发送音频数据
with open("test.wav", "rb") as f:
while chunk := f.read(8000):
await ws.send(chunk)
# 获取识别结果
result = await ws.recv()
print(result)
asyncio.get_event_loop().run_until_complete(send_audio())
5.2 HTTP文件转写
使用curl测试：
bash复制curl -X POST "http://localhost:9000" \
-H "accept: application/json" \
-F "file=@test.wav" \
-F "model=paraformer-large"
6. 常见问题排查
6.1 端口冲突问题
如果遇到端口占用错误：
bash复制lsof -i :10095 # 查看占用进程
kill -9 <PID> # 结束冲突进程
6.2 内存不足处理
当出现OOM错误时：
- 减少
run_server_2pass.sh中的THREAD_NUM - 增加docker内存限制
--memory=16g - 使用更小的模型版本
6.3 音频格式要求
支持的格式：
- 采样率：16kHz（推荐）
- 位深：16bit
- 声道：单声道
转换命令示例：
bash复制ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav
7. 生产环境建议
- 使用Nginx反向代理：
nginx复制location /asr {
proxy_pass http://localhost:10095;
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
}
-
启用HTTPS加密传输
-
建议配合Kubernetes实现：
- 自动扩缩容
- 健康检查
- 滚动更新
我在实际部署中发现，当并发量超过50路时，建议采用分布式部署方案，将识别服务和前端Web服务分开部署。同时要注意模型加载时间，冷启动可能需要30-60秒，可以通过预热脚本来解决。