FunASR-GUI

基于 FunASR 的语音识别图形界面工具，支持语音识别、语音合成和音视频处理功能。

功能特点

• 语音识别
  • 单文件识别
  • 批量文件识别
  • 支持时间戳和说话人区分
  • 支持 TXT 和 SRT 格式导出
• 语音合成 (开发中，CosyVoice太难集成，准备新开个项目)
• 音视频处理 (开发中)
• 模型对比功能 (开发中)

支持的模型(modelscope上的Paraformer模型)

• Paraformer语音识别-中文-通用-16k-离线-large-长音频版模型

环境要求

• Python 3.10
• FFmpeg
• CUDA (可选，用于GPU加速)

安装说明

1. 克隆项目

git clone https://github.com/yourusername/FunASR-GUI.git && cd FunASR-GUI

2. 创建虚拟环境

python -m venv .venv
source .venv/bin/activate # Linux/macOS
或
.venv\Scripts\activate # Windows

3. 安装依赖

pip install torch torchvision torchaudio
pip install PySide6
pip install -U funasr

4. 配置模型路径 编辑 config.ini 文件，设置正确的模型路径：

[ASRModelPaths]
Linux/macOS
base_dir = /path/to/your/models
Windows
#base_dir = C:/path/to/your/models

使用说明

1. 启动程序

python src/main.py

2. 语音识别使用流程：
   • 选择识别模型
   • 上传音频文件
   • 配置识别参数（时间戳、说话人区分等）
   • 点击"开始识别"
   • 查看识别结果
   • 保存结果（支持TXT和SRT格式）

项目结构

FunASR-GUI/
├── config.ini        # 配置文件
├── src/              # 源代码目录
│   ├── main.py       # 程序入口
│   ├── MainProcess.py  # 主窗口处理
│   ├── asr_process.py  # 语音识别处理
│   ├── controllers/  # 控制器
│   ├── services/     # 服务层
│   ├── ui/           # UI文件
│   ├── utils/        # 工具类
│   └── models/       # 模型目录

注意事项

1. 首次使用需要下载相应的模型文件
2. 确保系统已安装FFmpeg
3. 建议使用GPU进行识别，可大幅提升处理速度
4. 批量处理大量文件时注意系统资源占用

许可证

[出来混的要什么许可，直接开源]

贡献指南

欢迎提交Issue和Pull Request，但是我只会git push，其他的不会看也不会用，所以请自行解决。

致谢

• FunASR
• FFmpeg