283 lines
15 KiB
Markdown
283 lines
15 KiB
Markdown
# FunASR离线文件转写服务开发指南
|
||
|
||
(简体中文|[English](SDK_advanced_guide_offline.md))
|
||
|
||
FunASR离线文件转写软件包，提供了一款功能强大的语音离线文件转写服务。拥有完整的语音识别链路，结合了语音端点检测、语音识别、标点等模型，可以将几十个小时的长音频与视频识别成带标点的文字，而且支持上百路请求同时进行转写。输出为带标点的文字，含有字级别时间戳，支持ITN与用户自定义热词等。服务端集成有ffmpeg，支持各种音视频格式输入。软件包提供有html、python、c++、java与c#等多种编程语言客户端，用户可以直接使用与进一步开发。
|
||
|
||
本文档为FunASR离线文件转写服务开发指南。如果您想快速体验离线文件转写服务，可参考[快速上手](#快速上手)。
|
||
|
||
<img src="images/offline_structure.jpg" width="900"/>
|
||
|
||
| 时间 | 详情 | 镜像版本 | 镜像ID |
|
||
|------------|---------------------------------------------------|------------------------------|--------------|
|
||
| 2024.05.15 | 适配FunASR 1.0模型结构 | funasr-runtime-sdk-cpu-0.4.5 | 058b9882ae67 |
|
||
| 2024.03.05 | docker镜像支持arm64平台，升级modelscope版本 | funasr-runtime-sdk-cpu-0.4.4 | 2dc87b86dc49 |
|
||
| 2024.01.25 | 优化vad数据处理方式，大幅降低峰值内存占用；内存泄漏优化| funasr-runtime-sdk-cpu-0.4.2 | befdc7b179ed |
|
||
| 2024.01.08 | 优化句子级时间戳json格式 | funasr-runtime-sdk-cpu-0.4.1 | 0250f8ef981b |
|
||
| 2024.01.03 | 新增支持8k模型、优化时间戳不匹配问题及增加句子级别时间戳、优化英文单词fst热词效果、支持自动化配置线程参数，同时修复已知的crash问题及内存泄漏问题 | funasr-runtime-sdk-cpu-0.4.0 | c4483ee08f04 |
|
||
| 2023.11.08 | 支持标点大模型、支持Ngram模型、支持fst热词、支持服务端加载热词、runtime结构变化适配 | funasr-runtime-sdk-cpu-0.3.0 | caa64bddbb43 |
|
||
| 2023.09.19 | 支持ITN模型 | funasr-runtime-sdk-cpu-0.2.2 | 2c5286be13e9 |
|
||
| 2023.08.22 | 集成ffmpeg支持多种音视频输入、支持热词模型、支持时间戳模型 | funasr-runtime-sdk-cpu-0.2.0 | 1ad3d19e0707 |
|
||
| 2023.07.03 | 1.0 发布 | funasr-runtime-sdk-cpu-0.1.0 | 1ad3d19e0707 |
|
||
|
||
## 服务器配置
|
||
|
||
用户可以根据自己的业务需求，选择合适的服务器配置，推荐配置为：
|
||
- 配置1: （X86，计算型），4核vCPU，内存8G，单机可以支持大约32路的请求
|
||
- 配置2: （X86，计算型），16核vCPU，内存32G，单机可以支持大约64路的请求
|
||
- 配置3: （X86，计算型），64核vCPU，内存128G，单机可以支持大约200路的请求
|
||
|
||
详细性能测试报告（[点击此处](./benchmark_onnx_cpp.md)）
|
||
|
||
云服务厂商，针对新用户，有3个月免费试用活动，申请教程（[点击此处](https://github.com/alibaba-damo-academy/FunASR/blob/main/runtime/docs/aliyun_server_tutorial.md)）
|
||
|
||
|
||
## 快速上手
|
||
|
||
### docker安装
|
||
如果您已安装docker，忽略本步骤！!
|
||
通过下述命令在服务器上安装docker：
|
||
```shell
|
||
curl -O https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/shell/install_docker.sh；
|
||
sudo bash install_docker.sh
|
||
```
|
||
docker安装失败请参考 [Docker Installation](https://alibaba-damo-academy.github.io/FunASR/en/installation/docker.html)
|
||
|
||
### 镜像启动
|
||
|
||
通过下述命令拉取并启动FunASR软件包的docker镜像：
|
||
|
||
```shell
|
||
sudo docker pull \
|
||
registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-0.4.5
|
||
mkdir -p ./funasr-runtime-resources/models
|
||
sudo docker run -p 10095:10095 -it --privileged=true \
|
||
-v $PWD/funasr-runtime-resources/models:/workspace/models \
|
||
registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-0.4.5
|
||
```
|
||
|
||
### 服务端启动
|
||
|
||
docker启动之后，启动 funasr-wss-server服务程序：
|
||
```shell
|
||
cd FunASR/runtime
|
||
nohup bash run_server.sh \
|
||
--download-model-dir /workspace/models \
|
||
--vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx \
|
||
--model-dir damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx \
|
||
--punc-dir damo/punc_ct-transformer_cn-en-common-vocab471067-large-onnx \
|
||
--lm-dir damo/speech_ngram_lm_zh-cn-ai-wesp-fst \
|
||
--itn-dir thuduj12/fst_itn_zh \
|
||
--hotword /workspace/models/hotwords.txt > log.txt 2>&1 &
|
||
|
||
# 如果您想关闭ssl，增加参数：--certfile 0
|
||
# 如果您想使用时间戳或者nn热词模型进行部署，请设置--model-dir为对应模型：
|
||
# damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx（时间戳）
|
||
# damo/speech_paraformer-large-contextual_asr_nat-zh-cn-16k-common-vocab8404-onnx（nn热词）
|
||
# 如果您想在服务端加载热词，请在宿主机文件./funasr-runtime-resources/models/hotwords.txt配置热词（docker映射地址为/workspace/models/hotwords.txt）:
|
||
# 每行一个热词，格式(热词 权重)：阿里巴巴 20（注：热词理论上无限制，但为了兼顾性能和效果，建议热词长度不超过10，个数不超过1k，权重1~100）
|
||
```
|
||
如果您想定制ngram，参考文档([如何训练LM](./lm_train_tutorial.md))
|
||
|
||
如果您想部署8k的模型，请使用如下命令启动服务：
|
||
```shell
|
||
cd FunASR/runtime
|
||
nohup bash run_server.sh \
|
||
--download-model-dir /workspace/models \
|
||
--vad-dir damo/speech_fsmn_vad_zh-cn-8k-common-onnx \
|
||
--model-dir damo/speech_paraformer_asr_nat-zh-cn-8k-common-vocab8358-tensorflow1-onnx \
|
||
--punc-dir damo/punc_ct-transformer_cn-en-common-vocab471067-large-onnx \
|
||
--lm-dir damo/speech_ngram_lm_zh-cn-ai-wesp-fst-token8358 \
|
||
--itn-dir thuduj12/fst_itn_zh \
|
||
--hotword /workspace/models/hotwords.txt > log.txt 2>&1 &
|
||
```
|
||
|
||
服务端详细参数介绍可参考[服务端用法详解](#服务端用法详解)
|
||
|
||
### 客户端测试与使用
|
||
|
||
下载客户端测试工具目录samples
|
||
```shell
|
||
wget https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/sample/funasr_samples.tar.gz
|
||
```
|
||
我们以Python语言客户端为例，进行说明，支持多种音频格式输入（.wav, .pcm, .mp3等），也支持视频输入(.mp4等)，以及多文件列表wav.scp输入，其他版本客户端请参考文档（[点击此处](#客户端用法详解)），定制服务部署请参考[如何定制服务部署](#如何定制服务部署)
|
||
```shell
|
||
python3 funasr_wss_client.py --host "127.0.0.1" --port 10095 --mode offline --audio_in "../audio/asr_example.wav"
|
||
```
|
||
|
||
## 客户端用法详解
|
||
|
||
在服务器上完成FunASR服务部署以后，可以通过如下的步骤来测试和使用离线文件转写服务。
|
||
目前分别支持以下几种编程语言客户端
|
||
|
||
- [Python](#python-client)
|
||
- [CPP](#cpp-client)
|
||
- [html网页版本](#Html网页版)
|
||
- [Java](#Java-client)
|
||
|
||
### python-client
|
||
若想直接运行client进行测试，可参考如下简易说明，以python版本为例：
|
||
|
||
```shell
|
||
python3 funasr_wss_client.py --host "127.0.0.1" --port 10095 --mode offline \
|
||
--audio_in "../audio/asr_example.wav" --output_dir "./results"
|
||
```
|
||
|
||
命令参数说明：
|
||
```text
|
||
--host 为FunASR runtime-SDK服务部署机器ip，默认为本机ip（127.0.0.1），如果client与服务不在同一台服务器，
|
||
需要改为部署机器ip
|
||
--port 10095 部署端口号
|
||
--mode offline表示离线文件转写
|
||
--audio_in 需要进行转写的音频文件，支持文件路径，文件列表wav.scp
|
||
--thread_num 设置并发发送线程数，默认为1
|
||
--ssl 设置是否开启ssl证书校验，默认1开启，设置为0关闭
|
||
--hotword 热词文件，每行一个热词，格式(热词 权重)：阿里巴巴 20
|
||
--use_itn 设置是否使用itn，默认1开启，设置为0关闭
|
||
```
|
||
|
||
### cpp-client
|
||
进入samples/cpp目录后，可以用cpp进行测试，指令如下：
|
||
```shell
|
||
./funasr-wss-client --server-ip 127.0.0.1 --port 10095 --wav-path ../audio/asr_example.wav
|
||
```
|
||
|
||
命令参数说明：
|
||
```text
|
||
--server-ip 为FunASR runtime-SDK服务部署机器ip，默认为本机ip（127.0.0.1），如果client与服务不在同一台服务器，
|
||
需要改为部署机器ip
|
||
--port 10095 部署端口号
|
||
--wav-path 需要进行转写的音频文件，支持文件路径
|
||
--hotword 热词文件，每行一个热词，格式(热词 权重)：阿里巴巴 20
|
||
--use-itn 设置是否使用itn，默认1开启，设置为0关闭
|
||
```
|
||
|
||
### Html网页版
|
||
在浏览器中打开 html/static/index.html，即可出现如下页面，支持麦克风输入与文件上传，直接进行体验
|
||
|
||
<img src="images/html.png" width="900"/>
|
||
|
||
### Java-client
|
||
```shell
|
||
FunasrWsClient --host localhost --port 10095 --audio_in ./asr_example.wav --mode offline
|
||
```
|
||
详细可以参考文档（[点击此处](../java/readme.md)）
|
||
|
||
## 服务端用法详解：
|
||
|
||
### 启动FunASR服务
|
||
```shell
|
||
cd /workspace/FunASR/runtime
|
||
nohup bash run_server.sh \
|
||
--download-model-dir /workspace/models \
|
||
--model-dir damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx \
|
||
--vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx \
|
||
--punc-dir damo/punc_ct-transformer_cn-en-common-vocab471067-large-onnx \
|
||
--lm-dir damo/speech_ngram_lm_zh-cn-ai-wesp-fst \
|
||
--itn-dir thuduj12/fst_itn_zh \
|
||
--certfile ../../../ssl_key/server.crt \
|
||
--keyfile ../../../ssl_key/server.key \
|
||
--hotword ../../hotwords.txt > log.txt 2>&1 &
|
||
```
|
||
**run_server.sh命令参数介绍**
|
||
```text
|
||
--download-model-dir 模型下载地址，通过设置model ID从Modelscope下载模型
|
||
--model-dir modelscope model ID 或者 本地模型路径
|
||
--vad-dir modelscope model ID 或者 本地模型路径
|
||
--punc-dir modelscope model ID 或者 本地模型路径
|
||
--lm-dir modelscope model ID 或者 本地模型路径
|
||
--itn-dir modelscope model ID 或者 本地模型路径
|
||
--port 服务端监听的端口号，默认为 10095
|
||
--decoder-thread-num 服务端线程池个数(支持的最大并发路数)，
|
||
脚本会根据服务器线程数自动配置decoder-thread-num、io-thread-num
|
||
--io-thread-num 服务端启动的IO线程数
|
||
--model-thread-num 每路识别的内部线程数(控制ONNX模型的并行)，默认为 1，
|
||
其中建议 decoder-thread-num*model-thread-num 等于总线程数
|
||
--certfile ssl的证书文件，默认为：../../../ssl_key/server.crt，如果需要关闭ssl，参数设置为0
|
||
--keyfile ssl的密钥文件，默认为：../../../ssl_key/server.key
|
||
--hotword 热词文件路径，每行一个热词，格式：热词 权重(例如:阿里巴巴 20)，
|
||
如果客户端提供热词，则与客户端提供的热词合并一起使用，服务端热词全局生效，客户端热词只针对对应客户端生效。
|
||
```
|
||
|
||
### 关闭FunASR服务
|
||
```text
|
||
# 查看 funasr-wss-server 对应的PID
|
||
ps -x | grep funasr-wss-server
|
||
kill -9 PID
|
||
```
|
||
|
||
### 修改模型及其他参数
|
||
替换正在使用的模型或者其他参数，需先关闭FunASR服务，修改需要替换的参数，并重新启动FunASR服务。其中模型需为ModelScope中的ASR/VAD/PUNC模型，或者从ModelScope中模型finetune后的模型。
|
||
```text
|
||
# 例如替换ASR模型为 damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx，则如下设置参数 --model-dir
|
||
--model-dir damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx
|
||
# 设置端口号 --port
|
||
--port <port number>
|
||
# 设置服务端启动的推理线程数 --decoder-thread-num
|
||
--decoder-thread-num <decoder thread num>
|
||
# 设置服务端启动的IO线程数 --io-thread-num
|
||
--io-thread-num <io thread num>
|
||
# 关闭SSL证书
|
||
--certfile 0
|
||
```
|
||
|
||
执行上述指令后，启动离线文件转写服务。如果模型指定为ModelScope中model id，会自动从MoldeScope中下载如下模型：
|
||
[FSMN-VAD模型](https://www.modelscope.cn/models/damo/speech_fsmn_vad_zh-cn-16k-common-onnx/summary),
|
||
[Paraformer-lagre模型](https://www.modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx/summary),
|
||
[CT-Transformer标点预测模型](https://www.modelscope.cn/models/damo/punc_ct-transformer_cn-en-common-vocab471067-large-onnx/summary),
|
||
[基于FST的中文ITN](https://www.modelscope.cn/models/thuduj12/fst_itn_zh/summary),
|
||
[Ngram中文语言模型](https://www.modelscope.cn/models/damo/speech_ngram_lm_zh-cn-ai-wesp-fst/summary)
|
||
|
||
如果，您希望部署您finetune后的模型（例如10epoch.pb），需要手动将模型重命名为model.pb，并将原modelscope中模型model.pb替换掉，将路径指定为`model_dir`即可。
|
||
|
||
------------------
|
||
|
||
## 如何定制服务部署
|
||
|
||
FunASR-runtime的代码已开源，如果服务端和客户端不能很好的满足您的需求，您可以根据自己的需求进行进一步的开发：
|
||
### c++ 客户端：
|
||
|
||
https://github.com/alibaba-damo-academy/FunASR/tree/main/runtime/websocket
|
||
|
||
### python 客户端：
|
||
|
||
https://github.com/alibaba-damo-academy/FunASR/tree/main/runtime/python/websocket
|
||
|
||
### 自定义客户端：
|
||
|
||
如果您想定义自己的client，参考[websocket通信协议](./websocket_protocol_zh.md)
|
||
|
||
### c++ 服务端：
|
||
|
||
#### VAD
|
||
```c++
|
||
// VAD模型的使用分为FsmnVadInit和FsmnVadInfer两个步骤：
|
||
FUNASR_HANDLE vad_hanlde=FsmnVadInit(model_path, thread_num);
|
||
// 其中：model_path 包含"model-dir"、"quantize"，thread_num为onnx线程数；
|
||
FUNASR_RESULT result=FsmnVadInfer(vad_hanlde, wav_file.c_str(), NULL, 16000);
|
||
// 其中：vad_hanlde为FunOfflineInit返回值，wav_file为音频路径，sampling_rate为采样率(默认16k)
|
||
```
|
||
|
||
使用示例详见：https://github.com/alibaba-damo-academy/FunASR/blob/main/runtime/onnxruntime/bin/funasr-onnx-offline-vad.cpp
|
||
|
||
#### ASR
|
||
```text
|
||
// ASR模型的使用分为FunOfflineInit和FunOfflineInfer两个步骤：
|
||
FUNASR_HANDLE asr_hanlde=FunOfflineInit(model_path, thread_num);
|
||
// 其中：model_path 包含"model-dir"、"quantize"，thread_num为onnx线程数；
|
||
FUNASR_RESULT result=FunOfflineInfer(asr_hanlde, wav_file.c_str(), RASR_NONE, NULL, 16000);
|
||
// 其中：asr_hanlde为FunOfflineInit返回值，wav_file为音频路径，sampling_rate为采样率(默认16k)
|
||
```
|
||
|
||
使用示例详见：https://github.com/alibaba-damo-academy/FunASR/blob/main/runtime/onnxruntime/bin/funasr-onnx-offline.cpp
|
||
|
||
#### PUNC
|
||
```text
|
||
// PUNC模型的使用分为CTTransformerInit和CTTransformerInfer两个步骤：
|
||
FUNASR_HANDLE punc_hanlde=CTTransformerInit(model_path, thread_num);
|
||
// 其中：model_path 包含"model-dir"、"quantize"，thread_num为onnx线程数；
|
||
FUNASR_RESULT result=CTTransformerInfer(punc_hanlde, txt_str.c_str(), RASR_NONE, NULL);
|
||
// 其中：punc_hanlde为CTTransformerInit返回值，txt_str为文本
|
||
```
|
||
使用示例详见：https://github.com/alibaba-damo-academy/FunASR/blob/main/runtime/onnxruntime/bin/funasr-onnx-offline-punc.cpp
|