README.md

---
license: mit
language:
- en
pipeline_tag: automatic-speech-recognition
---
# sensevoice.axera
FunASR SenseVoice on Axera, official repo: https://github.com/FunAudioLLM/SenseVoice

## TODO

- [x] 支持AX630C
- [ ] 支持C++
- [x] 支持FastAPI

## 功能
 - 语音识别
 - 自动识别语言(支持中文、英文、粤语、日语、韩语)
 - 情感识别
 - 自动标点
 - 支持流式识别
 
## 支持平台

- [x] AX650N
- [x] AX630C

## 环境安装
```
pip3 install -r requirements.txt
```
如果空间不足可以使用 --prefix 指定别的安装路径


## 使用
```
# 首次运行会自动从huggingface上下载模型, 保存到models中
python3 main.py -i 输入音频文件
```
运行参数说明:  
| 参数名称 | 说明 | 默认值 |
| --- | --- | --- |
| --input/-i | 输入音频文件 | |
| --language/-l | 识别语言，支持auto, zh, en, yue, ja, ko | auto |
| --streaming | 流式识别 | |


### 示例:  
example下有测试音频  

如 粤语测试
```
python3 main.py -i example/yue.mp3
```
输出
```
RTF: 0.03026517820946964    Latency: 0.15689468383789062s  Total length: 5.184s
['呢几个字。', '都表达唔到，我想讲嘅意。', '思。']
```

流式识别  

```
python3 main.py -i example/zh.mp3 --streaming
```
输出
```
{'timestamps': [540], 'text': '开'}
{'timestamps': [540, 780, 1080], 'text': '开放时'}
{'timestamps': [540, 780, 1080, 1260, 1740], 'text': '开放时间早'}
{'timestamps': [540, 780, 1080, 1260, 1740, 1920, 2340], 'text': '开放时间早上9'}
{'timestamps': [540, 780, 1080, 1260, 1740, 1920, 2340, 2640], 'text': '开放时间早上9点'}
{'timestamps': [540, 780, 1080, 1260, 1740, 1920, 2340, 2640, 3060], 'text': '开放时间早上9点至'}
{'timestamps': [540, 780, 1080, 1260, 1740, 1920, 2340, 2640, 3060, 3780, 4020], 'text': '开放时间早上9点至下午'}
{'timestamps': [540, 780, 1080, 1260, 1740, 1920, 2340, 2640, 3060, 3780, 4020, 4440, 4620], 'text': '开放时间早上9点至下午五点'}
RTF: 0.03678379235444246

```

## 准确率

使用WER(Word-Error-Rate)作为评价标准  

**WER = 0.0389**  

### 复现测试结果

```
./download_datasets.sh
python test_wer.py -d datasets -l zh
```

## 技术讨论

- Github issues
- QQ 群: 139953715