【免费下载链接】FireRedASR2SA SOTA Industrial-Grade All-in-One ASR system with ASR, VAD, LID, and Punc modules. FireRedASR2 supports Chinese (Mandarin, 20 dialects/accents), English, code-switching, and both speech and singing ASR. FireRedVAD supports speech/singing/music in 100 langs. FireRedLID supports 100 langs and 20 zh dialects. FireRedPunc supports zh and en.项目地址https://gitcode.com/gh_mirrors/fi/FireRedASR2S点击查看免费下载FireRedASR2S 是一款工业级 All-in-One 语音识别ASR系统集成了ASR、VAD、LID、Punc四大模块支持普通话及 20 方言/口音、英语、中英混说甚至歌唱语音转写。本文带你用 Python API 快速上手只需 10 行代码即可把一条音频变成带时间戳、语言、标点的完整识别结果。FireRedASR2S 系统架构一览四大模块如何协同一条音频进入系统后会经历 4 个阶段每个阶段都取得了 SOTA 性能详见 README.md 的评测表模块功能核心亮点 FireRedVAD语音活动检测支持语音/歌唱/音乐100 语言F1 达 97.57% FireRedLID语种识别100 语言、20 中文方言准确率 97.18%️ FireRedASR2语音识别普通话平均 CER 仅 2.89%支持歌唱 ASR✏️ FireRedPunc标点恢复中/英双语平均 F1 达 78.90%ASR 核心提供两种模型变体追求极致精度的FireRedASR2-LLMEncoder-Adapter-LLM 架构以及兼顾性能与效率、支持词级时间戳的FireRedASR2-AEDAttention Encoder-Decoder 架构。环境搭建5 分钟完成 Python 依赖与模型下载按 README.md 的 Quick Start先克隆仓库并准备 Python 3.10 环境git clone https://gitcode.com/gh_mirrors/fi/FireRedASR2S cd FireRedASR2S conda create --name fireredasr2s python3.10 conda activate fireredasr2s pip install -r requirements.txt export PATH$PWD/fireredasr2s/:$PATH export PYTHONPATH$PWD/:$PYTHONPATH⚠️ 两个环境变量是关键PATH让fireredasr2s-cli命令全局可用PYTHONPATH让 Python 能import fireredasr2s。然后下载模型国内推荐 ModelScope以 AED 为例VAD/LID/Punc/LLM 同理pip install -U modelscope modelscope download --model xukaituo/FireRedASR2-AED --local_dir ./pretrained_models/FireRedASR2-AED modelscope download --model xukaituo/FireRedVAD --local_dir ./pretrained_models/FireRedVAD modelscope download --model xukaituo/FireRedLID --local_dir ./pretrained_models/FireRedLID modelscope download --model xukaituo/FireRedPunc --local_dir ./pretrained_models/FireRedPunc最后把音频转成16kHz / 16-bit / 单声道的 PCM wav 格式ffmpeg -i input.wav -ar 16000 -ac 1 -acodec pcm_s16le -f wav output.wav最快上手10行Python代码完成语音识别这是全文最精华的部分——使用FireRedAsr2System完整实现见 fireredasr2system.pyfrom fireredasr2s import FireRedAsr2System, FireRedAsr2SystemConfig # 1. 创建配置默认值即可直接跑 config FireRedAsr2SystemConfig() # 2. 初始化系统自动加载 VAD LID ASR Punc system FireRedAsr2System(config) # 3. 识别音频 result system.process(assets/hello_zh.wav) # 4. 拿到带标点、时间戳、语种的结果 print(result[text]) # 输出你好世界。FireRedAsr2SystemConfig的默认配置已经填好了四个模型目录fireredasr2system.py#L19-L34VAD →pretrained_models/FireRedVAD/VADLID →pretrained_models/FireRedLIDASR →pretrained_models/FireRedASR2-AEDasr_typeaedPunc →pretrained_models/FireRedPunc想切换 LLM 版本把asr_type改为llm、asr_model_dir改为pretrained_models/FireRedASR2-LLM即可。读懂识别结果text、sentences 与 words 字段详解process()返回一个结构清晰的字典各字段含义如下字段类型说明textstr全文文本已加标点sentenceslist句子列表start_ms/end_ms毫秒级时间戳、text、asr_confidenceASR 置信度、lang语种、lang_confidence语种置信度wordslist词级时间戳仅 AED 且开启return_timestamp时返回vad_segments_mslistVAD 检测到的语音片段起止时间dur_sfloat音频时长秒wav_pathstr输入音频路径实际输出示例英文音频{uttid: tmpid, text: Hello speech., sentences: [{start_ms: 260, end_ms: 1820, text: Hello speech., asr_confidence: 0.933, lang: en, lang_confidence: 0.993}], vad_segments_ms: [(260, 1820)], dur_s: 2.24, words: [], wav_path: assets/hello_en.wav} 小技巧uttid参数可传入自定义 ID如文件名便于批量任务追踪words字段需要配置asr_config中return_timestampTrue才会填充。进阶用法自定义配置与独立调用四大模块每个模块都是自包含的可以独立使用、互不依赖。自定义系统配置通过FireRedAsr2SystemConfig精细控制每个子模块参考 README.md 的 ASR System 示例from fireredasr2s import FireRedAsr2System, FireRedAsr2SystemConfig from fireredasr2s.fireredasr2 import FireRedAsr2Config from fireredasr2s.fireredvad import FireRedVadConfig from fireredasr2s.fireredlid import FireRedLidConfig from fireredasr2s.fireredpunc import FireRedPuncConfig # 例AED 模型 开启词级时间戳 半精度加速 asr_config FireRedAsr2Config( use_gpuTrue, use_halfTrue, # 显存紧张时开启 FP16 beam_size3, # 束搜索宽度 return_timestampTrue # 返回词级时间戳 ) vad_config FireRedVadConfig(use_gpuFalse, speech_threshold0.4) system_config FireRedAsr2SystemConfig( asr_typeaed, asr_model_dirpretrained_models/FireRedASR2-AED, vad_configvad_config, asr_configasr_config, enable_vadTrue, # 三个开关按需组合 enable_lidTrue, enable_puncTrue ) system FireRedAsr2System(system_config)常用可调参数速查ASRuse_gpu、use_half、beam_size、return_timestampLLM 版本还有temperature、repetition_penaltyVADspeech_threshold语音阈值、min_speech_frame/max_speech_frame最短/最长语音段开关enable_vad/enable_lid/enable_punc可单独关闭不需要的模块独立调用单模块只需纯 ASR 转写直接调用 asr.py 中的FireRedAsr2from fireredasr2s.fireredasr2 import FireRedAsr2, FireRedAsr2Config config FireRedAsr2Config(use_gpuTrue, return_timestampTrue) model FireRedAsr2.from_pretrained(aed, pretrained_models/FireRedASR2-AED, config) # 支持批量uttid 与 wav 一一对应 results model.transcribe([hello_zh, hello_en], [assets/hello_zh.wav, assets/hello_en.wav]) print(results) # [{uttid: hello_zh, text: 你好世界, confidence: 0.971, rtf: 0.0870, # timestamp: [(你, 0.42, 0.66), (好, 0.66, 1.1), ...]}, ...]其他独立模块完整代码见 README.md 各模块 Python API 部分# VAD 语音活动检测 from fireredasr2s.fireredvad import FireRedVad, FireRedVadConfig vad FireRedVad.from_pretrained(pretrained_models/FireRedVAD/VAD, FireRedVadConfig()) result, probs vad.detect(assets/hello_zh.wav) # {dur: 2.32, timestamps: [(0.44, 1.82)], wav_path: assets/hello_zh.wav} # LID 语种识别 from fireredasr2s.fireredlid import FireRedLid, FireRedLidConfig model FireRedLid.from_pretrained(pretrained_models/FireRedLID, FireRedLidConfig()) print(model.process([hello_zh], [assets/hello_zh.wav])) # [{uttid: hello_zh, lang: zh mandarin, confidence: 0.996, ...}] # Punc 标点恢复 from fireredasr2s.fireredpunc.punc import FireRedPunc, FireRedPuncConfig model FireRedPunc.from_pretrained(pretrained_models/FireRedPunc, FireRedPuncConfig()) print(model.process([你好世界])) # [{punc_text: 你好世界。, origin_text: 你好世界}]此外还有流式 VADFireRedStreamVad和多标签音频事件检测FireRedAed可区分 speech/singing/music代码位于 fireredasr2s/fireredvad/适合实时场景与音频内容分析。音频格式要求与输入长度限制避坑指南 这两个坑最容易踩音频格式只支持 16kHz、16-bit、单声道 PCM wav。process()内部会assert sample_rate 16000其他格式先用上面的 ffmpeg 命令转换。输入长度上限FireRedASR2-AED建议≤ 60s超过 60s 可能出现幻觉超过 200s 会直接报位置编码错误FireRedASR2-LLM建议≤ 40s长音频请交给系统级FireRedAsr2System它会先经 VAD 切片再逐段识别天然规避长度限制。批量推理提示LLM 版本批量束搜索时语料时长差异过大可能导致短句重复问题建议按长度排序或把asr_batch_size设为 1。文件资料索引核心模块路径速查内容路径系统主入口All-in-One APIfireredasr2s/fireredasr2system.pyASR 核心与配置fireredasr2s/fireredasr2/asr.pyVAD 模块fireredasr2s/fireredvad/LID 模块fireredasr2s/fireredlid/Punc 模块fireredasr2s/fireredpunc/命令行工具入口fireredasr2s/fireredasr2s_cli.py系统推理示例脚本examples_infer/asr_system/inference_asr_system.sh架构与流程图assets/FireRedASR2.png / assets/FireRedASR2S.png 想跳过 Python API 直接用命令行运行fireredasr2s-cli --wav_paths assets/hello_zh.wav --outdir output即可结果会写入output/result.jsonl。总结FireRedASR2S 的 Python API 设计非常克制FireRedAsr2System一个类、process()一个方法就打通了 VAD→LID→ASR→Punc 全链路。10 行代码即可在生产环境获得带标点、时间戳、语种的工业级转写结果需要细调时再分别配置四个子模块。对于要在中文方言、中英混说或歌唱场景做语音识别的团队这是一个开箱即用的 SOTA 选择。赞分享【免费下载链接】FireRedASR2SA SOTA Industrial-Grade All-in-One ASR system with ASR, VAD, LID, and Punc modules. FireRedASR2 supports Chinese (Mandarin, 20 dialects/accents), English, code-switching, and both speech and singing ASR. FireRedVAD supports speech/singing/music in 100 langs. FireRedLID supports 100 langs and 20 zh dialects. FireRedPunc supports zh and en.项目地址https://gitcode.com/gh_mirrors/fi/FireRedASR2S点击查看免费下载相关推荐K2-Horizon-MoVA-36B-A4B-bf16 Python API实战load、generate、chat三种用法完整教程附代码示例K2 Horizon MoVA 36B A4B bf16 Python API实战load、generate、chat三种用法完整教程附代码示例 K2 H大模型本地部署人工智能如何用Python调用Qwen3-8B-awq-quant-onnxonnxruntime-genai推理代码实战附完整示例如何用Python调用Qwen3 8B awq quant onnxonnxruntime genai推理代码实战附完整示例 本文带你用 Python 如何通过 OpenAI 兼容 API 调用 OrcaSAQ-2-27B 大模型附 Python 完整代码教程如何通过 OpenAI 兼容 API 调用 OrcaSAQ 2 27B 大模型附 Python 完整代码教程 OrcaSAQ 2 27B 是 OrcaRout人工智能大模型模型量化模型优化上一篇一条命令启动任意大模型spark-vllm-docker的30个即开即用Recipe配方完整清单下一篇AgentsMesh 自托管部署指南从 Docker Compose 到 Kubernetes 的完整教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考