建议集成 FunASR/SenseVoice 替代实时语音对话的 ASR 模块

功能建议

gpt_academic 已有实时语音对话功能，非常出色！建议集成 FunASR/SenseVoice 作为 ASR 引擎选项。

为什么选择 FunASR/SenseVoice？

• SenseVoice：超快非自回归 ASR（234M 参数），中文识别精度极高
• 比 Whisper 快 5-10 倍：非自回归架构，更适合实时对话场景
• 情感检测：内置识别语音情感
• 音频事件检测：识别笑声、掌声等
• Fun-ASR-Nano：基于 LLM 的 ASR（800M 参数），支持热词定制
• 流式识别：支持 WebSocket 实时流式 ASR
• OpenAI 兼容 API：funasr-server 提供标准接口

快速接入：

from funasr import AutoModel
model = AutoModel(model="iic/SenseVoiceSmall")
result = model.generate(input="audio.wav")

或通过 API 服务：

funasr-server --device cuda
# /v1/audio/transcriptions 接口

• GitHub: https://github.com/modelscope/FunASR（16K+ stars）
• SenseVoice: https://github.com/FunAudioLLM/SenseVoice（8K+ stars）