FunASR vs Whisper：开源语音识别详细对比
FunASR 和 OpenAI Whisper 都是开源语音识别工具。本文从速度、功能、部署等维度进行全面对比。
性能比较方法
吞吐和延迟会随 GPU/CPU 型号、精度、音频长度、batch、并发及运行时变化。不要把单一硬件上的倍速当成通用结论；请在目标环境中分别记录 RTF、p50/p95 延迟、峰值显存或内存，以及识别质量。
| 部署目标 | FunASR 路径 | Whisper 路径 | 建议实测 |
|---|
| 高吞吐 GPU | Fun-ASR-Nano + vLLM | Whisper + 批处理运行时 | 并发、batch、显存和长音频 RTF |
| 低延迟 CPU/GPU | SenseVoiceSmall 或 Paraformer | Whisper 量化实现 | 单请求 p50/p95、线程数和峰值内存 |
| 边缘设备 | llama.cpp/GGUF 或原生 runtime | whisper.cpp | 目标设备实时性、功耗和模型体积 |
功能对比
| 功能 | FunASR | Whisper |
|---|
| 说话人分离 | ✅ 内置 (cam++) | ❌ 需要 pyannote |
| 情感检测 | ✅ 开心/悲伤/愤怒/中性 | ❌ |
| 流式识别 | ✅ WebSocket + vLLM | ❌ |
| 热词 | ✅ 自定义词表增强 | ❌ |
| 中文方言 | 7 大方言 + 26 地方口音 | 有限 |
| OpenAI 兼容 API | ✅ funasr-server | 需额外封装 |
| CPU 推理 | ✅ SenseVoice / Paraformer / 原生 runtime | ✅ 量化实现可用 |
| VAD | ✅ 内置 | ❌ 外部 |
| 标点恢复 | ✅ 内置 | 部分 |
| 微调训练 | ✅ DeepSpeed | 社区脚本 |
| 语言数量 | SenseVoiceSmall：中/粤/英/日/韩；MLT-Nano：31 语种；Nano：中/英/日及中文方言/口音 | 57 |
| 开源协议 | MIT | MIT |
快速开始
pip install funasr
from funasr import AutoModel
model = AutoModel(
model="iic/SenseVoiceSmall",
vad_model="fsmn-vad",
spk_model="cam++",
device="cuda"
)
result = model.generate(input="meeting.wav")
生态项目
| 项目 | 适用场景 | 链接 |
|---|
| FunASR | 全功能工具包（所有模型） | GitHub |
| Fun-ASR-Nano | 旗舰 LLM-ASR，中英日 + 中文方言/口音 | GitHub |
| Fun-ASR-MLT-Nano | 独立多语 checkpoint，31 语言 | GitHub |
| SenseVoice | 超快 ASR + 情感 + 音频事件 | GitHub |
| FunClip | AI 智能视频剪辑 | GitHub |