https://blog.ohtly.com/tags/asr/ Recent content in ASR on OHTLY Blog Hugo zh-cn Mon, 25 May 2026 15:47:21 +0800 https://blog.ohtly.com/posts/2026-05-25-funasr-subtitle/ Mon, 25 May 2026 15:47:21 +0800 https://blog.ohtly.com/posts/2026-05-25-funasr-subtitle/ <h2 id="背景"> 背景 <a class="heading-link" href="#%e8%83%8c%e6%99%af"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>最近在研究从视频中自动生成字幕，选中了阿里云的 FunASR（Fun Audio Speech Recognition）模型。FunASR 支持端到端的语音识别和时间戳提取，理论上非常适合用于视频字幕生成。</p> <h2 id="已知-bug"> 已知 Bug <a class="heading-link" href="#%e5%b7%b2%e7%9f%a5-bug"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>FunASR v1.3.1（PyPI 最新版）配合 Fun-ASR-Nano 模型使用时存在两个官方未修复的 bug：</p> <h3 id="bug-1-batch-decoding-is-not-implemented"> Bug 1: batch decoding is not implemented <a class="heading-link" href="#bug-1-batch-decoding-is-not-implemented"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <p>VAD 切段后 ASR 模型收到 batch 输入会抛出 <code>NotImplementedError</code>。原因是 <code>auto_model.py</code> 默认将 <code>batch_size</code> 设为 300000，但模型不支持 batch 输入。</p> <p><strong>修复</strong>：传入 <code>batch_size_s=0</code></p> <p>详见：<a href="https://github.com/modelscope/FunASR/issues/2273" class="external-link" target="_blank" rel="noopener">#2273 - NotImplementedError: batch decoding is not implemented</a></p> <h3 id="bug-2-keyerror-0"> Bug 2: KeyError: 0 <a class="heading-link" href="#bug-2-keyerror-0"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <p>逐段处理后时间戳偏移时报 <code>KeyError: 0</code>。原因是 Fun-ASR-Nano 返回的时间戳是 dict 格式 <code>{&quot;start_time&quot;: ..., &quot;end_time&quot;: ...}</code>，而代码假设是 list 格式 <code>[start, end]</code>。</p>