Fun-ASR 是通义实验室百聆团队推出的端到端语音识别大模型，是基于数千万小时真实语音数据训练而成，具备强大的上下文理解能力与行业适应性。
| 触发场景 | 说明 |
|---|---|
| ---------- | ------ |
| 用户发送音频文件 | .wav / .mp3 / .m4a / .flac / .ogg 等格式 |
| 用户要求转录 | "转写音频"、"语音转文字" |
| 音频文件处理 | 需要提取音频中的文字内容 |
设置环境变量：
export DASHSCOPE_API_KEY="sk-xxx"
pip install dashscope
# 如需自动格式转换，请安装 FFmpeg
python scripts/cli.py audio.wav
# 支持 .wav / .mp3 / .m4a / .flac / .ogg 等格式
# 会自动转换为 API 要求的格式（16kHz, 单声道, pcm_s16le）
版本：1.1.0
创建于：2026-03-16
更新：2026-04-09 - 改为非流式调用，优化本地文件处理
共 1 个版本