modelscope--funasr/docs/use_case_showcase_zh.md

FunASR 场景速览

FunASR 不只是一个离线转写命令。这个页面把常见的评测、部署、Agent 集成和生产场景整理到一起，方便新用户快速找到入口。

选择合适路径

目标	从这里开始	为什么重要
在浏览器里试用 FunASR	Colab 快速体验	配置本地环境前，先跑公开样例并上传自己的音频。
本地转写一个文件	README 快速开始 和 模型选择指南	几分钟内验证安装、模型选择、模型下载和首次推理。
对比准确率和速度	性能评测报告	选型前先查看 184 条长音频评测结果。
从 Whisper/云端 ASR 迁移	迁移指南	将现有流水线映射到 FunASR，用代表性音频评测并规划安全上线。
搭建私有语音 API	OpenAI 兼容 API 示例、Gradio 浏览器 Demo、客户端配方、JavaScript/TypeScript 配方 和 工作流配方	复用 LangChain、Dify、n8n、AutoGen 等 OpenAI 风格客户端，音频不出内网。
给 Agent 增加语音输入	MCP 服务 和 语音输入示例	将本地 ASR 接入 Claude、Cursor 和桌面 Agent 工作流。
选择部署路径	部署选型表	对比 Python API、OpenAI API、Docker Compose、Kubernetes、WebSocket、vLLM、MCP、批处理、字幕和 Triton。
部署流式 ASR	Runtime 服务文档	面向实时字幕、客服、会议等低延迟场景。
加速 LLM-based ASR	vLLM 指南	为 Fun-ASR-Nano 使用 tensor parallel 解码和流式服务能力。
生成字幕	字幕示例	将长音频或视频转成字幕文件。
批量处理录音	批处理示例	为录音归档、会议纪要、数据集处理搭建可重复流水线。

面向生产的配方

私有转写 API

当应用已经兼容 OpenAI 风格接口，或音频不能离开私有环境时，优先使用这个路径。

pip install funasr fastapi uvicorn python-multipart
funasr-server --model sensevoice --device cuda

curl http://localhost:8000/v1/audio/transcriptions \
  -F file=@sample.wav \
  -F model=sensevoice \
  -F response_format=verbose_json

建议下一步：

• 运行 OpenAI 兼容 API smoke test 或跨平台 Python smoke test。
• 浏览器上传或麦克风 demo 可从 Gradio 浏览器 Demo 开始。
• Node.js 或 Next.js 服务可从 JavaScript/TypeScript 配方 开始。
• 集群内服务可从 Kubernetes 部署模板 开始。
• 在服务边界增加鉴权、限流和网络访问控制；可从 安全与网关指南 开始。
• 记录模型、设备、驱动、音频时长和处理耗时，便于复现问题和 benchmark。

Agent 语音输入

当你想把语音输入接到编码助手、内部助手或工作流工具时，使用这个路径。

• Claude/Cursor 类工具优先看 MCP 服务示例。
• 桌面语音输入实验可以从 voice input 示例 开始。
• 保持延迟可见：每次请求记录音频时长、处理耗时和模型名称。

流式与客服场景

当你更关注低延迟和中间结果，而不是单次完整转写时，使用这个路径。

• 从 Runtime 服务文档 开始。
• 需要给人阅读时，把 ASR 与 VAD、标点恢复、说话人分离一起使用。
• 用真实音频验证：背景噪声、长静音、多人重叠、不同麦克风质量。

从 Whisper 迁移前先评测

当你在评估是否用 FunASR 替代 Whisper 或云端 ASR 时，使用这个路径。

• 按 迁移指南 映射功能并评测代表性音频。
• 阅读 公开性能评测。
• 用自己的样本集再测一次；同时包含短音频和长音频。
• 同时记录成本和吞吐：GPU 速度、CPU 可用性、模型下载体积、部署复杂度。

模型选择建议

如需更完整地比较 SenseVoice、Paraformer、Fun-ASR-Nano、streaming runtime 和 OpenAI API alias，请看 模型选择指南。

需求	推荐先试	说明
快速多语种转写	SenseVoice-Small	本地 demo 和私有 API 的稳妥默认选择。
中文生产 ASR	Paraformer-Large	中文语音识别的成熟选择。
LLM-based ASR 实验	Fun-ASR-Nano	吞吐敏感时配合 vLLM 指南。
带说话人信息的转写	SenseVoice 或 Paraformer + spk_model="cam++"	适合会议、访谈、客服录音。
实时音频	Runtime WebSocket 服务	用真实流量验证分块、VAD 和断句。

分享你的结果

如果 FunASR 在你的项目里效果不错，欢迎通过 showcase issue、Migration Benchmark Report 或 GitHub Discussion 分享：

• 使用场景和部署方式。
• 模型、设备和处理速度。
• 音频领域、语言和大致时长。
• 可以公开的 demo、截图、benchmark 摘要或集成链接。

具体的使用反馈能帮助新用户更快选型，也能帮助维护者决定下一批文档和示例优先级。