安装
首次使用前的环境准备
快速使用
用户: 安装环境
用户: 初始化
用户: 下载模型依赖清单
| 依赖 | 用途 | 安装命令 |
|---|---|---|
| funasr | 口误识别 | pip install funasr |
| modelscope | 模型下载 | pip install modelscope |
| openai-whisper | 字幕生成 | pip install openai-whisper |
| ffmpeg | 视频剪辑 | brew install ffmpeg |
模型清单
FunASR 模型（口误识别用）
首次运行自动下载到 ~/.cache/modelscope/：
| 模型 | 大小 | 用途 |
|---|---|---|
| paraformer-zh | 953MB | 语音识别（带时间戳） |
| punc_ct | 1.1GB | 标点预测 |
| fsmn-vad | 4MB | 语音活动检测 |
| 小计 | ~2GB |
Whisper 模型（字幕生成用）
首次运行自动下载到 ~/.cache/whisper/：
| 模型 | 大小 | 用途 |
|---|---|---|
| large-v3 | 2.9GB | 字幕转录（质量最好） |
总计
约 5GB 模型文件
安装流程
1. 安装 Python 依赖
↓
2. 安装 FFmpeg
↓
3. 下载 FunASR 模型（口误识别）
↓
4. 下载 Whisper 模型（字幕生成）
↓
5. 验证环境执行步骤
1. 安装 Python 依赖
pip install funasr modelscope openai-whisper2. 安装 FFmpeg
# macOS
brew install ffmpeg
# Ubuntu
sudo apt install ffmpeg
# 验证
ffmpeg -version3. 下载 FunASR 模型（约2GB）
from funasr import AutoModel
model = AutoModel(
model="paraformer-zh",
vad_model="fsmn-vad",
punc_model="ct-punc",
)
print("FunASR 模型下载完成")4. 下载 Whisper 模型（约3GB）
import whisper
model = whisper.load_model("large-v3")
print("Whisper 模型下载完成")5. 验证环境
from funasr import AutoModel
model = AutoModel(
model="paraformer-zh",
vad_model="fsmn-vad",
punc_model="ct-punc",
disable_update=True
)
# 测试转录（用任意音频/视频）
result = model.generate(input="test.mp4")
print("文本:", result[0]['text'][:50])
print("时间戳数量:", len(result[0]['timestamp']))
print("✅ 环境就绪")常见问题
Q1: 模型下载慢
解决：使用国内镜像或手动下载
Q2: ffmpeg 命令找不到
解决：确认已安装并添加到 PATH
which ffmpeg # 应该输出路径Q3: funasr 导入报错
解决：检查 Python 版本（需要 3.8+）
python3 --version