Windows下轻松部署SenseVoice语音识别（附资源包）-优快云博客

目标：使用开源模型本地离线部署语音识别工具

本次部署用到的环境：

IDE：Pycharm
Git
环境管理工具：Conda（使用Conda创建一个python3.10的虚拟环境，开发时虚拟环境的Python库按需安装有利于控制虚拟环境文件保持一个较小的体积，便于后续环境的迁移部署，推荐使用Miniconda，体积小，捆绑少）
操作系统：Windows10

模型选择：
SenseVoiceSmall、FSMN
用到的网站：
Github、Modelscope

一、环境准备与模型下载

（一）安装Git、Pycharm、Miniconda

在系统上成功安装并配置好环境变量后进入命令行创建python3.10虚拟环境。

conda create -n python310 python=3.10

安装ffmpeg
解压下载的ffmpeg压缩包，将你解压的ffmpeg中的bin 文件夹路径添加到系统环境变量Path中。

（二）下载模型

准备一个空文件夹（建议使用英文路径），在此处打开Git命令行（安装Git后右键菜单会有“Git Bash Here”，直接在该文件夹下单击即可打开）

1、下载SenseVoice模型

git clone https://gitclone.com/github.com/FunAudioLLM/SenseVoice.git

2、下载SenseVoiceSmall模型

git clone https://www.modelscope.cn/iic/SenseVoiceSmall.git

3、下载FSMN语音端点检测模型（用于检测长语音片段中有效语音的起止时间点）

git clone https://www.modelscope.cn/iic/speech_fsmn_vad_zh-cn-16k-common-pytorch.git

二、依赖安装和代码修改

模型下载成功后应如下图所示：

在这里插入图片描述
命令行进入SenseVoice文件夹找到 requirements.txt 这个文件，里面大致是如下内容：

torch<=2.3
torchaudio
modelscope
huggingface
huggingface_hub
funasr>=1.1.3
numpy<=1.26.4
gradio
fastapi>=0.111.1

命令行在该文件所在文件夹下运行如下命令：

conda activate python310
pip install -r requirements.txt

在该文件夹下找到 webui.py ，使用记事本打开：

在这里插入图片描述
修改图中红框圈出的部分，修改model和vad_model文件所在的路径为本地路径（注释掉的为该文件原本代码），添加一句disable_update=True关掉代码执行时自动检查更新，修改后保存文件。
在该目录下进入命令行运行python webui.py启动Web端服务，也可在你创建好的Pycharm工程项目中编写如下脚本远程一键启动：

# 调用CMD执行脚本
# encoding:utf-8
import os
# 获取绝对路径
path = 'D:\SpeechRecognize\SenseVoice'
path = path.replace("/", "\\")  # 修改路径为命令行可正确识别的路径，replace要用双引号，否则会报错
os.system(f"cd {path} && python ./webui.py")

启动成功后出现如下信息：

在这里插入图片描述
进入 http://127.0.0.1:7860 出现如下页面：

在这里插入图片描述
至此可进行简单的使用与开发 OWO
文中提到的SenseVoice语音识别模型文件我已打包成资源，其中webui.py的代码改动与文中一致，需要的可自行下载解压 ≥w≤

注：资源包中的代码内容来源于文中提到的Git拉取源码的三个网址，开源代码仅做收集整理，请勿用于违法用途；如果你更倾向于在线下载，可只Git拉取上面提到的SenseVoice模型，下载后文件夹大小为13M，运行 webui.py 时找不到model.pt文件（SenseVoiceSmall模型）和 vad模型会自动联网下载，但容易因网络问题出现下载失败的情况，因此强烈建议先单独下载好模型再手动配置文件路径。