Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.
Python asraudiochineseemotion-recognitionfunasrmcp-servermultilingual-asropenai-compatible-apiparaformerpunctuationpytorchreal-time-asrspeaker-diarizationspeech-recognitionspeech-to-textstreaming-asrtranscriptionvllmvoice-activity-detectionwhisper-alternative
docs(README i18n): make Why-FunASR honest and Nano-first (zh/ja/ko)
LauraGPT2662e5cc14c3
diff --git a/README_ja.md b/README_ja.mdindex 4d42d1be1..37e21f6a7 100644--- a/README_ja.md+++ b/README_ja.md@@ -58,16 +58,18 @@ result = model.generate(input="meeting.wav")### なぜFunASRを選ぶのか?-| | FunASR | Whisper | クラウドAPI |+Whisper は単一モデルですが、**FunASR はツールキット**です——用途に応じてモデルを選べます:**Fun-ASR-Nano**(フラッグシップ LLM-ASR、GPU が必要、vLLM で 340 倍リアルタイム、31 言語)、**SenseVoice**(CPU に優しく、感情・音声イベントも)、**Paraformer**(低遅延ストリーミング)。下の表は、単一の Whisper モデルに対してツールキットが提供できるものです——各機能にはそれを提供するモデルを併記しています:++| | FunASR(ツールキット) | Whisper | クラウドAPI ||---|---|---|---|-| 速度 | **170倍リアルタイム** | 13倍リアルタイム | 〜1倍リアルタイム |+| 最高速度 | **340倍リアルタイム**(Fun-ASR-Nano + vLLM) | 13倍リアルタイム | 〜1倍リアルタイム || 話者認識 | ✅ 内蔵 | ❌ pyannoteが必要 | ✅ 追加料金 |-| 感情認識 | ✅ 喜び/悲しみ/怒り | ❌ | ❌ |-| 言語数 | 50以上 | 57 | サービスにより異なる |-| ストリーミング | ✅ WebSocket | ❌ | ✅ |+| 感情認識 | ✅ SenseVoice による | ❌ | ❌ |+| 言語数 | 50以上(Qwen3-ASR 52、Nano 31) | 57 | サービスにより異なる |+| ストリーミング | ✅ WebSocket(Paraformer) | ❌ | ✅ |+| CPU対応 | ✅ 17倍リアルタイム(SenseVoice) | ❌ 遅すぎる | 該当なし || セルフホスト | ✅ MITライセンス | ✅ MITライセンス | ❌ クラウドのみ || コスト | 無料 | 無料 | $0.006/分〜 |-| CPU対応 | ✅ 17倍リアルタイム | ❌ 遅すぎる | 該当なし |---diff --git a/README_ko.md b/README_ko.mdindex 0c583da7b..839028357 100644--- a/README_ko.md+++ b/README_ko.md@@ -58,16 +58,18 @@ result = model.generate(input="meeting.wav")### 왜 FunASR인가?-| | FunASR | Whisper | 클라우드 API |+Whisper는 단일 모델이지만, **FunASR는 툴킷**입니다 — 용도에 맞는 모델을 고르세요: **Fun-ASR-Nano**(플래그십 LLM-ASR, GPU 필요, vLLM로 340배 실시간, 31개 언어), **SenseVoice**(CPU 친화적, 감정·오디오 이벤트 포함), **Paraformer**(저지연 스트리밍). 아래 표는 단일 Whisper 모델 대비 툴킷이 제공하는 것이며, 각 기능에는 이를 제공하는 모델을 표기했습니다:++| | FunASR(툴킷) | Whisper | 클라우드 API ||---|---|---|---|-| 속도 | **170배 실시간** | 13배 실시간 | ~1배 실시간 |+| 최고 속도 | **340배 실시간**(Fun-ASR-Nano + vLLM) | 13배 실시간 | ~1배 실시간 || 화자 인식 | ✅ 내장 | ❌ pyannote 필요 | ✅ 추가 비용 |-| 감정 인식 | ✅ 기쁨/슬픔/분노 | ❌ | ❌ |-| 언어 수 | 50개 이상 | 57개 | 서비스마다 다름 |-| 스트리밍 | ✅ WebSocket | ❌ | ✅ |+| 감정 인식 | ✅ SenseVoice 제공 | ❌ | ❌ |+| 언어 수 | 50개 이상(Qwen3-ASR 52, Nano 31) | 57개 | 서비스마다 다름 |+| 스트리밍 | ✅ WebSocket(Paraformer) | ❌ | ✅ |+| CPU 사용 | ✅ 17배 실시간(SenseVoice) | ❌ 너무 느림 | 해당 없음 || 자체 호스팅 | ✅ MIT 라이선스 | ✅ MIT 라이선스 | ❌ 클라우드만 || 비용 | 무료 | 무료 | $0.006/분~ |-| CPU 사용 | ✅ 17배 실시간 | ❌ 너무 느림 | 해당 없음 |---diff --git a/README_zh.md b/README_zh.mdindex 972810fc6..6405bd39b 100644--- a/README_zh.md+++ b/README_zh.md@@ -81,16 +81,18 @@ results = model.generate(["audio1.wav", "audio2.wav"], language="auto")### 为什么选 FunASR?-| | FunASR | Whisper | 云端 API |+Whisper 是单个模型,**FunASR 是一个工具箱**——按场景挑模型:**Fun-ASR-Nano**(旗舰 LLM-ASR,需 GPU,vLLM 下 340 倍实时,31 种语言)、**SenseVoice**(CPU 友好,额外带情感与音频事件)、**Paraformer**(低延迟流式)。下表是工具箱相比单个 Whisper 模型能提供什么——每项能力都标注了由哪个模型提供:++| | FunASR(工具箱) | Whisper | 云端 API ||---|---|---|---|-| 速度 | **170 倍实时** | 13 倍实时 | ~1 倍实时 |+| 最高速度 | **340 倍实时**(Fun-ASR-Nano + vLLM) | 13 倍实时 | ~1 倍实时 || 说话人识别 | ✅ 内置 | ❌ 需要 pyannote | ✅ 额外付费 |-| 情感识别 | ✅ 开心/悲伤/愤怒 | ❌ | ❌ |-| 语言数 | 50+ | 57 | 因服务而异 |-| 流式识别 | ✅ WebSocket | ❌ | ✅ |+| 情感识别 | ✅ 由 SenseVoice 提供 | ❌ | ❌ |+| 语言数 | 50+(Qwen3-ASR 52、Nano 31) | 57 | 因服务而异 |+| 流式识别 | ✅ WebSocket(Paraformer) | ❌ | ✅ |+| CPU 可用 | ✅ 17 倍实时(SenseVoice) | ❌ 太慢 | 不适用 || 私有部署 | ✅ MIT 开源 | ✅ MIT 开源 | ❌ 仅云端 || 费用 | 免费 | 免费 | ¥0.04/分钟起 |-| CPU 可用 | ✅ 17 倍实时 | ❌ 太慢 | 不适用 |第一次试用 FunASR?可以先跑 [Colab 快速体验](./examples/colab/README_zh.md),再配置本地环境。还不确定先用哪个模型?先看 [模型选择指南](./docs/model_selection_zh.md)。计划从 Whisper 或云端 ASR 切换?请按 [迁移指南](./docs/migration_from_whisper_zh.md) 和 [评测示例](./examples/migration/) 用代表性音频评测、映射功能并安全上线。