# 前言
本文將介紹一個基於FunASR開發的語音識別界面應用，這個應用可以選擇本地音頻，也可以錄音識別。支持多種音頻格式和視頻格式，可以對識別的結果加上時間戳做成字幕。
安裝環境¶
- 安裝Pytorch，根據自己機器的情況可以選擇安裝CPU版本或者GPU版本的Pytorch。
# 安裝CPU版本的Pytorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch
# 安裝GPU版本的Pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
- 安裝ffmpeg和pyaudio。
conda install ffmpeg pyaudio
- 安裝其他依賴庫。
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
使用¶
執行main.py即可啓動程序，一共有四個功能，分別是短語音識別、長語音識別、錄音識別、播放音頻。
- 短音頻識別，可以選擇一個較短的音頻或者視頻，便可得到結果，這個長度沒有固定的限制，一般把小於30秒或者50秒的作爲短音頻。
- 長音頻識別，長音頻識別有兩種模型，第一種是不添加時間戳的，全部結果拼接起來。長音頻識別的方式其實就是使用VAD模型把長音頻裁剪成多段的短音頻，然後再識別的。
-
長音頻識別（時間戳），第二種是顯示時間戳，可以知道每句話開始的時間和結束的時間，可以用於製作字幕。
-
錄音識別，錄音識別是一邊說話一邊出結果，這種識別方式是流式的。當點擊停止錄音之後，是使用全部的錄音再次執行識別，提高最終的準確率。
-
播放音頻，當選擇了音頻或者錄音識別了，可以點擊播放音頻按鈕播放音頻，只能播放音頻格式，不支持播放視頻格式。
掃碼入知識星球，搜索【FunASR語音識別GUI界面應用】獲取源碼
