Skip to content

Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.

docs: add Chinese blog draft — FunASR vs Whisper comparison for Zhihu/CSDN

游雁21e6ededcc5d
diff --git a/docs/blog_whisper_vs_funasr_zh.md b/docs/blog_whisper_vs_funasr_zh.md
new file mode 100644
index 000000000..a7430d610
--- /dev/null
+++ b/docs/blog_whisper_vs_funasr_zh.md
@@ -0,0 +1,110 @@
+# FunASR 实测:比 Whisper 快 30 倍的开源语音识别,还自带说话人分离
+
+> 本文适合正在使用 OpenAI Whisper 做语音转写、但遇到速度慢或中文效果差问题的开发者。
+
+## 背景
+
+OpenAI Whisper 是目前最流行的开源 ASR 模型,但在生产环境中经常遇到几个痛点:
+
+1. **速度慢** — Whisper-large-v3 在 A100 上只有 13x 实时,处理 1 小时音频需要 ~5 分钟
+2. **中文方言差** — 对粤语、四川话、上海话等方言识别率很低
+3. **缺少说话人分离** — 需要额外集成 pyannote,增加复杂度
+4. **没有流式能力** — 无法做实时字幕
+
+这些正是 [FunASR](https://github.com/modelscope/FunASR) 解决的问题。
+
+## 性能对比
+
+测试条件:184 个中文会议录音,总计 192 分钟,NVIDIA A100。
+
+| 模型 | GPU 速度 | CPU 速度 | 说话人 | 流式 |
+|------|---------|---------|--------|------|
+| **FunASR SenseVoice-Small** | **170x** 实时 | **17x** 实时 | ✅ | ❌ |
+| **FunASR Fun-ASR-Nano (vLLM)** | **340x** 实时 | — | ✅ | ✅ |
+| Whisper-large-v3-turbo | 46x 实时 | ❌ | ❌ | ❌ |
+| Whisper-large-v3 | 13x 实时 | ❌ | ❌ | ❌ |
+
+**关键发现:FunASR 在 CPU 上比 Whisper 在 GPU 上还快。**
+
+## 最大区别:一站式 vs 拼装
+
+用 Whisper 搭建一个完整的转写系统,你需要:
+
+```
+Whisper (ASR) + pyannote (说话人) + silero-vad (VAD) +
+deepmultilingualpunctuation (标点) + 自己写逻辑拼接
+```
+
+用 FunASR,**一次调用搞定**:
+
+```python
+from funasr import AutoModel
+
+model = AutoModel(
+ model="paraformer-zh",
+ vad_model="fsmn-vad",
+ punc_model="ct-punc",
+ spk_model="cam++",
+)
+result = model.generate(input="meeting.wav")
+# 输出:带说话人、时间戳、标点的结构化结果
+```
+
+## OpenAI 兼容 API:零改动迁移
+
+如果你已经在用 OpenAI 的 Whisper API,迁移到 FunASR 不需要改一行客户端代码:
+
+```bash
+# 一行启动本地 ASR 服务
+pip install torch torchaudio
+pip install funasr vllm fastapi uvicorn python-multipart
+funasr-server --device cuda
+```
+
+```python
+# 客户端代码完全不变
+from openai import OpenAI
+client = OpenAI(base_url="http://localhost:8000/v1", api_key="unused")
+result = client.audio.transcriptions.create(
+ model="fun-asr-nano",
+ file=open("meeting.wav", "rb")
+)
+```
+
+## 中文方言支持
+
+这是 Whisper 生态完全没有的:
+
+- **7 大方言**:吴语、粤语、闽语、客家话、赣语、湘语、晋语
+- **26 种地域口音**:河南、四川、广东、湖北、云南等
+- **歌词识别**:音乐背景下的人声转写
+
+## 什么时候选 FunASR?
+
+| 场景 | 推荐 |
+|------|------|
+| 中文会议转写 | FunASR(方言+说话人) |
+| 实时字幕/直播 | FunASR(流式 WebSocket) |
+| 批量文件处理 | FunASR(vLLM 340x 加速) |
+| 私有化部署 | FunASR(MIT 开源,无费用) |
+| 纯英文、少量使用 | Whisper 也可以 |
+
+## 开始使用
+
+```bash
+pip install torch torchaudio
+pip install funasr
+```
+
+```python
+from funasr import AutoModel
+model = AutoModel(model="iic/SenseVoiceSmall", device="cuda")
+result = model.generate(input="audio.wav")
+print(result[0]["text"])
+```
+
+更多信息:
+- GitHub:https://github.com/modelscope/FunASR(16K+ stars)
+- 官网:https://www.funasr.com
+- 完整评测:https://modelscope.github.io/FunASR/benchmark.html
+- 从 Whisper 迁移指南:https://github.com/modelscope/FunASR/blob/main/docs/migration_from_whisper.md