建议：使用 FunASR/SenseVoice 提升字幕生成速度和准确率

[LauraGPT]

Note

许可证与能力更正（2026-07-14）： FunASR 是工具箱，不是单一模型。FunASR 与 SenseVoice 仓库源码采用 MIT；模型权重以各自模型卡为准。SenseVoiceSmall 支持中文、粤语、英语、日语和韩语，权重使用模型卡链接的 FunASR 模型开源协议；Fun-ASR-Nano-2512 为 Apache-2.0。语言范围、标点和性能取决于所选模型及运行配置。

功能建议

bilive 做 B 站直播录制和自动字幕，建议集成 FunASR/SenseVoice 提升 ASR 性能。

优势

• 实时流式识别：FunASR 提供 WebSocket 流式服务，适合直播场景
• 中文识别准确：Paraformer 中文准确率优于 Whisper
• 速度极快：非自回归架构，GPU 推理 170 倍实时
• 内置标点：自动添加标点，弹幕/字幕质量更好
• 内置 VAD：自动语音活动检测

流式服务

# 启动 WebSocket 流式 ASR 服务
python -m funasr.bin.ws_server --device cuda
# WebSocket 地址: ws://localhost:10095

离线批量处理

from funasr import AutoModel
model = AutoModel(model="iic/SenseVoiceSmall")
result = model.generate(input="clip.wav")

FunASR 同时支持流式（直播实时字幕）和离线（录播后处理）两种模式，很适合 bilive 的使用场景。

如有兴趣，欢迎交流！