Fun-ASR 本地模型部署
从环境配置到 WebUI 启动的完整流程
一、Python 环境准备
本项目的运行依赖于 Python 环境。推荐使用 Python 3.11.9 版本（这里 python 版本不一致，也没关系，后面使用 conda 虚拟环境的时候，指定 python 版本正确即可）进行部署，以确保最佳的兼容性。
执行 python --version，如果出来版本号，就说明安装成功。
二、conda 环境准备
Conda 是一个强大的开源包管理和环境管理工具，主要用于 Python 数据科学、机器学习等领域。它可以帮助用户轻松管理不同的 Python 版本、安装各种科学计算包（如 NumPy、Pandas、TensorFlow 等），并创建隔离的虚拟环境，避免包版本冲突。
Conda 的核心是包管理器，而 Anaconda 是包含大量预装包的完整发行版，Miniconda 则是轻量版，只包含 conda 和 Python 本身。
在 Windows 系统下安装 Conda，通常推荐使用 Miniconda，因为它安装包小（约 400-500MB），下载和安装更快，且占用磁盘空间少（安装后约 1GB）。
执行 conda --version，如果出来版本号，就说明安装成功。
三、虚拟环境配置
为了隔离项目依赖并避免包冲突，建议为该项目创建独立的虚拟环境。
Windows 环境操作步骤:
-
切换目录：打开命令行，进入代码解压后的实际目录。
cd C:\Code\Fun-ASR
-
创建环境：执行命令创建名为 myenv 的虚拟环境。
conda create -n myenv python=3.11.9
-
激活环境：激活虚拟环境。
conda activate myenv
四、核心依赖安装
在激活的虚拟环境中，按照以下顺序安装项目所需的软件包。
4.1 设置镜像源
由于官方 PyTorch 与 Pip 源在国内访问速度可能受限，建议配置清华大学镜像源以加速下载。
pip config set global.index-url pypi.tuna.tsinghua.edu.cn/simple
4.2 安装 PyTorch
PyTorch 是本项目核心的深度学习框架，请根据硬件情况选择对应的安装指令：
-
NVIDIA GPU（CUDA 12.8）：
pip install torch==2.8.0 torchaudio==2.8.0 --index-url download.pytorch.org/whl/cu128
-
Mac 或 仅 CPU 运行：
pip install torch==2.8.0 torchaudio==2.8.0 --index-url download.pytorch.org/whl/cpu
4.3 安装功能组件
安装语音识别所需的核心库与 Web 界面组件：
pip install "transformers==4.57.3" "funasr==1.2.9" "gradio==6.2.0" "modelscope==1.33.0"
五、下载模型权重
modelscope download --model FunAudioLLM/Fun-ASR-MLT-Nano-2512 --local_dir ./checkpoints/Fun-ASR-MLT-Nano-2512
在当前的虚拟环境 (myenv) 中执行降级命令：
python -m pip install "setuptools<82.0.0" --force-reinstall
六、启动页面
python webui_funasr.py
在浏览器中打开 http://127.0.0.1:7860/
