这是一个基于 FunASR 轻量化版本的 Web 演示界面，提供音频转文本功能。

• 📁 文件上传: 支持多种音频格式 (WAV, MP3, M4A, FLAC, OGG, WebM)
• 🎤 实时录音: 浏览器内录音并实时转换
• 🚀 GPU 加速: 支持 CUDA GPU 加速推理
• 🌍 多语言: 支持中文、英文、日文、韩文、粤语
• 📱 响应式: 适配桌面和移动设备
• 🎨 美观界面: 现代化 UI 设计

# 在 FunASR 项目根目录下
cd web_demo
python start_server.py

1. 安装依赖

pip install flask flask-cors

2. 启动服务器

cd web_demo
python app.py

3. 打开浏览器 访问 http://localhost:5000

• Python 3.8+
• FunASR 轻量化版本
• Flask 和 Flask-CORS
• 现代浏览器（支持 Web Audio API）

1. 点击"选择音频文件"按钮
2. 选择音频文件（支持 WAV, MP3 等格式）
3. 点击"开始转换"按钮
4. 等待转换完成，查看结果

1. 点击"开始录音"按钮（首次使用需授权麦克风）
2. 对着麦克风说话
3. 点击"停止录音"按钮
4. 系统自动转换并显示结果

• 模型选择:
  • Paraformer (中文): 适合中文语音识别
  • SenseVoice (多语言): 支持多种语言
• 计算设备:
  • CPU: 使用 CPU 计算（较慢但兼容性好）
  • GPU (CUDA): 使用 GPU 加速（需要 CUDA 支持）

音频转文本接口

请求参数:

• audio: 音频文件 (multipart/form-data)
• model: 模型名称 (可选，默认 paraformer-zh)
• device: 计算设备 (可选，默认 cpu)

响应格式:

{
  "success": true,
  "text": "转换后的文本",
  "model": "paraformer-zh",
  "device": "cpu"
}

获取可用模型列表

健康检查接口

• 后端: Flask + FunASR
• 前端: HTML5 + CSS3 + JavaScript
• 音频处理: Web Audio API + MediaRecorder API
• UI 框架: 原生 CSS（无依赖）

• Chrome 60+
• Firefox 55+
• Safari 11+
• Edge 79+

1. 麦克风权限: 录音功能需要浏览器麦克风权限
2. HTTPS: 在生产环境中建议使用 HTTPS
3. 文件大小: 默认限制音频文件最大 100MB
4. GPU 支持: GPU 模式需要安装 CUDA 版本的 PyTorch

Q: 无法录音？ A: 检查浏览器麦克风权限，确保使用 HTTPS 或 localhost

Q: 转换失败？ A: 检查音频格式是否支持，确保 FunASR 正确安装

Q: GPU 不工作？ A: 确保安装了 CUDA 版本的 PyTorch，检查 GPU 驱动

Q: 服务器启动失败？ A: 检查端口 5000 是否被占用，确保依赖已安装

服务器日志会实时显示在控制台，包含：

• 请求处理信息
• 模型加载状态
• 错误信息

MIT License

欢迎提交 Issue 和 Pull Request！

如有问题，请查看 FunASR 项目文档或提交 Issue。