Repository navigation
为什么同时维护两个仓库的funasr 和https://github.com/modelscope/FunASR定位有什么差异吗 #162
Description
Activity
这两个仓库不是重复维护，定位是“模型家族”和“通用工具链”的关系：
仓库 主要定位 适合关注的内容 QwenAudio/Fun-ASRFun-ASR 模型家族仓库 Fun-ASR-Nano / MLT-Nano 的模型结构、权重、语言能力、效果评测、微调和模型专用示例 modelscope/FunASR通用工业语音工具链与 PyPI 包 统一 AutoModelAPI、VAD、标点、说话人、时间戳、流式服务、OpenAI API、vLLM、llama.cpp/GGUF，以及 Paraformer、SenseVoice、Fun-ASR 等多种模型两者会协同更新：Fun-ASR-Nano 是模型，FunASR 负责把它接入统一推理和生产部署。因此大多数应用用户直接安装 FunASR，然后选择 Fun-ASR 模型即可：
python -m pip install -U funasr
from funasr import AutoModel model = AutoModel(model="FunAudioLLM/Fun-ASR-Nano-2512", device="cuda") result = model.generate(input="audio.wav", language="中文")
选择建议：
- 研究模型结构、训练/微调、checkpoint 能力或 Fun-ASR 专属效果问题：在本仓库讨论。
- 使用
funasr包、AutoModel、服务端、流式/VAD/说话人、通用部署或其他模型：到modelscope/FunASR。 - 只想部署 Fun-ASR-Nano：先使用 FunASR 的 模型选择 和 部署矩阵；需要模型专属微调或评测时再回本仓库。
README 的开头和 Ecosystem 表也已经分别写明这层关系。这里按已回答关闭；后续如果遇到具体模型或工具链问题，按上面的边界开 issue 即可。
我之前在给出仓库定位说明后马上关闭了，没有给你确认说明是否解决疑问的时间。现在重新打开；如果上面的“模型家族仓库 / 通用工具链”边界仍有不清楚或实际使用中仍不知道该去哪个仓库，请继续补充。收到你的确认后再关闭。
补充一个已经落地、会影响上面使用建议的变化：Fun-ASR-Nano 现在可以通过正式版 Transformers 5.17.0 直接转写，不必先安装 FunASR 工具包，也不必克隆模型仓库。
- 只做 Nano 的 Python 文本转写：从原生 Transformers 快速开始进入，使用
AutoProcessor、AutoModelForSpeechSeq2Seq和FunAudioLLM/Fun-ASR-Nano-2512-hf。已提供实际运行过的 CPU 示例、本地音频/批处理脚本和 Notebook。这些模型专用示例统一放在本仓库。 - 使用多模型流水线、VAD、标点、说话人组件或现成服务：仍从
modelscope/FunASR的部署选型进入。该仓库维护funasr包和通用服务，不是 Transformers 的必装依赖。
因此，上面“多数应用用户先安装 FunASR”的建议现在需要按使用场景区分。
-hf、原始工具链权重、-vllm和 GGUF 不是可互换的模型 ID；这个原生导出提供中/英/日文本转写，不意味着同时获得时间戳、说话人或实时流式能力。对应改动已通过 本仓库 #171 和 FunASR #3687 合并，官网也已同步。这里继续保持 open，不因文档发布就代替你判断疑问已经解决。
- 只做 Nano 的 Python 文本转写：从原生 Transformers 快速开始进入，使用
Problem or Use Case
https://github.com/modelscope/FunASR
Proposed Solution
https://github.com/modelscope/FunASR
Alternatives Considered
No response