mingl/Sensevoice_Api

SenseVoice-Api

此项目是基于SenseVoice的funasr_onnx版本进行的api发布, 使用Python3.10.14开发

SenseVoice

SenseVoice是具有音频理解能力的音频基础模型，包括语音识别（ASR）、语种识别（LID）、语音情感识别（SER）和声学事件分类（AEC）或声学事件检测（AED）。本项目提供SenseVoice模型的介绍以及在多个任务测试集上的benchmark，以及体验模型所需的环境安装的与推理方式。

核心功能 🎯

SenseVoice专注于高精度多语言语音识别、情感辨识和音频事件检测

• 多语言识别： 采用超过40万小时数据训练，支持超过50种语言，识别效果上优于Whisper模型。
• 富文本识别：
  • 具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。
  • 支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。
• 高效推理： SenseVoice-Small模型采用非自回归端到端框架，推理延迟极低，10s音频推理仅耗时70ms，15倍优于Whisper-Large。
• 微调定制： 具备便捷的微调脚本与策略，方便用户根据业务场景修复长尾样本问题。
• 服务部署： 具有完整的服务部署链路，支持多并发请求，支持客户端语言有，python、c++、html、java与c#等。

Docker部署(CPU+量化模型)

# 国内
docker pull registry.cn-hangzhou.aliyuncs.com/yiminger/sensevoice:latest
docker run -p 8000:8000 registry.cn-hangzhou.aliyuncs.com/yiminger/sensevoice:latest

# Docker hub
docker pull yiminger/sensevoice:latest
# 运行
docker run -p 8000:8000 yiminger/sensevoice:latest

本地安装

git clone https://github.com/HG-ha/SenseVoice-Api.git && cd SenseVoice-Api
# 安装依赖
pip install -r requirements.txt
# 运行
python main.py

接口测试

1. 从URL转文字

   curl --location --request POST 'http://127.0.0.1:8000/extract_text' \
    --form 'url=https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/asr_example_zh.wav'
   

2. 从文件转文字

   curl --request POST \
    --url http://127.0.0.1:8000/extract_text \
    --header 'content-type: multipart/form-data' \
    --form 'file=@asr_example_zh.wav'
   

接口文档

http://127.0.0.1:8000/docs