全部文章

v1.4.16：混合设备子模型修复

保持 VAD、标点和说话人子模型的显式设备配置，并补齐原生 Transformers 指南。

微调后，怎样确认模型真的更好？

从一次持续学习反馈出发，先验证评测尺子，再选择 checkpoint，最后检查真实服务。

会议转写，怎样才算做好了？

有文字还不够：检查关键内容、说话人轮次和时间覆盖。

接入 Transformers，先选对权重

同名模型的权重格式不能混用。先理清格式，再跑通原生接入。

v1.4.14：源码包与 MOSS 入口

把多人录音变成可剪辑的字幕

从一段对话出发，生成带匿名说话人标签的字幕，再按人选段。

v1.4.5：Python 依赖与运行时

v1.4.3：VAD 与说话人聚类

在 Subtitle Edit 中生成本地字幕

v1.4.0：安装包与参数校验

FunClip v2.1.0：首个版本化发布

v1.3.28：实时识别与字幕修复

v1.3.27：语种信息与回退处理

v1.3.26：API 与运行时入口

FunASR 模型选型笔记

用时间戳定位原始录音

迁移语音 API 前，先核对什么

文字都在，标点为什么还是断错？

保留原始转写，生成标点候选，再检查归句和专名，不把句号当作语义修复。

VAD 如何找到语音区间

自托管语音服务的迁移笔记

CPU 语音识别的部署取舍

日语录音转写实践

中文录音转写入门

中文与粤语：历史对比实验

粤语录音转写实践

用 llama.cpp 部署中文语音识别

SenseVoice 的情绪标签，该怎么用？

保留原始预测，区分显示文本与评测标签，不把分类结果当作人的真实情绪。

用 Python 转写一份录音

把语音转写接进自己的 API

先跑通本地请求，再明确鉴权、返回格式和服务责任。

字幕文件生成了，然后呢？

从一段普通话录音得到 SRT，转换为 VTT，再回听检查时间与文字。

从命令行转写音频

长录音为什么会漏掉结尾？

从切分边界、生成上限和结果覆盖出发，检查长录音的遗漏。

说话人分离：谁在何时说话

实时字幕的流式识别路径

SenseVoice 部署入门

FunASR 与 Whisper：历史测量记录

Fun-ASR-Nano 使用笔记