前置说明
硬件基准：CPU 本地推理、无独显，显存/内存为最低可运行门槛；
CER 越低 = 识别越准，通用安静场景实测值。
Paraformer 系列
FunASR 原生主打中文工业ASR
1. paraformer-zh（标准版）
- 介绍：FunASR 旗舰通用中文非自回归ASR模型，工业级训练数据 6万小时。
- 特点：精度/速度平衡最好，支持热词、时间戳、长音频切分，配套VAD/标点完美适配。
- 使用场景：会议录音转写、视频字幕、办公录音、企业私有化部署、客服话术质检。
- 资源占用：内存≥6GB，无独显CPU可流畅跑；GPU 需 2G 显存。
- 中文准确度：通用场景 CER≈2.2%，远场嘈杂 CER≈3.5%。
2. paraformer-zh-large（高精度版）
- 介绍：Paraformer 超大参数量增强版，针对远场、嘈杂环境专项优化。
- 特点：抗噪极强、方言口音容错高，适合高难度音频；推理略慢于标准版。
- 使用场景：大型会场远场录音、嘈杂环境、方言口音重、专业音频质检。
- 资源占用：内存≥8GB，GPU 建议 4G+ 显存。
- 中文准确度：通用 CER≈1.8%，高噪声 CER≈2.8%。
3. paraformer-zh-nano（轻量版）
- 介绍：极致轻量化裁剪模型，专为个人PC、低配设备设计。
- 特点：体积小、速度快、资源占用极低，精度小幅下降，日常使用无感知。
- 使用场景：个人笔记本离线转写、低配电脑、边缘设备、日常自用。
- 资源占用：内存≥4GB，纯CPU无压力，无需独显。
- 中文准确度：通用 CER≈2.8%。
4. paraformer-zh-tiny（超轻量极简版）
- 介绍：Paraformer 最小阉割版，极限压缩参数量。
- 特点：资源占用极低，速度最快；适合极致低资源场景。
- 使用场景：老旧电脑、嵌入式设备、单板机、低配置服务器批量转写。
- 资源占用：内存≥2GB，低配CPU也能跑。
- 中文准确度：通用 CER≈3.5%。
5. paraformer-zh-streaming（流式实时版）
- 介绍：专为实时语音流式识别定制模型，低时延双路解码。
- 特点：端到端流式输出，延迟＜200ms，边说边转，结尾高精度修正。
- 使用场景：实时会议听写、直播实时字幕、麦克风实时录音转写。
- 资源占用：同 nano 级别，内存≥4GB。
- 中文准确度：通用 CER≈2.5%。
6. 方言系列模型
paraformer-cantonese / paraformer-sichuan / paraformer-shanghai
- 介绍：FunASR 官方离线方言专属模型。
- 特点：纯离线、不用联网，方言识别远强于通用模型。
- 使用场景：粤语、四川话、上海话本地语音转写。
- 资源占用：同标准版，内存≥6GB。
- 中文/方言准确度：方言场景 CER≈3.0%～4.0%。
SenseVoice 系列
FunAudioLLM 多任务音频大模型
1. sensevoice-small
- 介绍：轻量多任务大模型，ASR+语种识别+情感识别+音频事件检测 四合一。
- 特点：支持中、粤、英、日、韩 5 种语言；推理速度极快，比Whisper快十几倍；多任务一体无需拼装模型。
- 使用场景：多语言音频转写、语音情感分析、短视频语音、实时边缘设备、双语会议。
- 资源占用：内存≥4GB，纯CPU流畅运行，无需独显。
- 中文准确度：通用场景 CER≈3.0%～3.8%。
2. sensevoice-large
- 介绍：超大参数量多语言模型，支持全球50+语种。
- 特点：多语言能力拉满，小语种、冷门方言表现强；推理速度较慢，资源要求高。
- 使用场景：跨国会议、小语种音频、多语言批量资料转写。
- 资源占用：内存≥8GB，GPU 建议 4G+ 显存。
- 中文准确度：通用 CER≈2.5%～3.2%。
三、配套辅助模型
FunASR 必搭配使用
1. fsmn-vad
- 语音端点检测：自动分割长音频、过滤静音和噪声，所有ASR模型标配。
- 资源占用：极低，几乎无额外内存开销。
2. ct-punc / ct-punc-large
- 标点恢复：自动加逗号、句号、问号；large 版标点更精准。
- 资源占用：极小，随ASR模型一起加载。
模型横向总表
| 模型名称 | 核心定位 | 内存最低要求 | 中文CER | 最佳适用场景 |
|---|---|---|---|---|
| paraformer-zh | 工业通用旗舰 | 6GB | 2.2% | 企业私有化、会议、字幕、质检 |
| paraformer-zh-large | 高精度抗噪 | 8GB | 1.8% | 远场会场、高噪音、口音重 |
| paraformer-zh-nano | 个人轻量首选 | 4GB | 2.8% | 笔记本离线、个人自用 |
| paraformer-zh-tiny | 极致低资源 | 2GB | 3.5% | 老旧机器、嵌入式 |
| paraformer-zh-streaming | 实时流式 | 4GB | 2.5% | 实时听写、直播字幕 |
| sensevoice-small | 多任务5语言 | 4GB | 3.0%~3.8% | 中英日韩粤、情感分析 |
| sensevoice-large | 50+语种大模型 | 8GB | 2.5%~3.2% | 跨国多语种、小语种转写 |
选型
- 只做中文专业识别、要准要稳 →
paraformer-zh - 嘈杂远场、追求最高精度 →
paraformer-zh-large - 个人笔记本、无独显 →
paraformer-zh-nano - 要实时边说边转 →
paraformer-zh-streaming - 中英日韩粤+情感分析一体 →
sensevoice-small - 小语种、全球多语言 →
sensevoice-large