⚡ SenseVoice-Small ONNX快速上手：Mac M1/M2芯片本地部署教程
SenseVoice-Small ONNX快速上手：Mac M1/M2芯片本地部署教程
1. 工具简介
SenseVoice-Small ONNX是一款基于FunASR开源框架开发的本地语音识别工具，专为Mac M1/M2芯片优化。它通过Int8量化技术大幅降低硬件资源占用，让普通配置的Mac电脑也能流畅运行语音识别功能。
这个工具解决了传统语音识别方案的几个痛点：
- 不需要高性能GPU，CPU就能运行
- 完全本地处理，保护隐私安全
- 自动添加标点符号，识别结果更易读
- 支持多种常见音频格式，无需额外转换
2. 环境准备
2.1 系统要求
- Mac电脑配备M1或M2芯片
- macOS 12.0 (Monterey) 或更高版本
- Python 3.8 或 3.9
- 至少4GB可用内存（推荐8GB以上）
2.2 安装依赖
打开终端(Terminal)，执行以下命令安装必要组件：
# 创建虚拟环境（可选但推荐） python3 -m venv sv_env source sv_env/bin/activate # 安装核心依赖 pip install onnxruntime-silicon streamlit funasr安装过程大约需要2-3分钟，视网络情况而定。
3. 快速部署
3.1 下载模型文件
工具需要两个核心模型文件：
- 主识别模型（SenseVoice-Small Int8量化版）
- 标点恢复模型（CT-Transformer）
通过以下命令一键下载：
# 创建模型目录 mkdir -p ~/sensevoice/models # 下载主模型（约85MB） wget -P ~/sensevoice/models https://example.com/sensevoice-small-int8.onnx # 首次运行时会自动下载标点模型3.2 启动应用
创建一个名为app.py的文件，内容如下：
import streamlit as st from funasr import AutoModel # 模型初始化 model = AutoModel( model="~/sensevoice/models/sensevoice-small-int8.onnx", model_revision="v1.0.0", quantize=True, device="cpu" ) # 简单界面 st.title("SenseVoice 语音识别") audio_file = st.file_uploader("上传音频文件", type=["wav","mp3","m4a"]) if audio_file: st.audio(audio_file) if st.button("开始识别"): text = model.generate(audio_file.name) st.text_area("识别结果", text)然后运行：
streamlit run app.py4. 使用指南
4.1 基本操作流程
- 打开浏览器访问
http://localhost:8501 - 点击"上传音频文件"按钮选择文件
- 点击"开始识别"按钮
- 等待处理完成（进度条显示）
- 查看并复制识别结果
4.2 支持的功能
- 自动语种识别：能自动判断中文、英文或混合语音
- 智能标点：自动添加逗号、句号等标点符号
- 数字转换：把"一百二十"转为"120"等标准格式
- 多格式支持：WAV/MP3/M4A等常见格式都能直接识别
4.3 性能优化建议
- 对于长音频（超过10分钟），建议先分割成小段
- 关闭其他占用CPU的应用程序
- 如果内存不足，可以尝试减小
batch_size参数
5. 常见问题解答
5.1 模型加载失败
如果遇到模型加载错误，请检查：
- 模型文件路径是否正确
- 文件权限是否可读
- 磁盘空间是否充足
5.2 识别速度慢
可以尝试以下方法加速：
# 在初始化时设置线程数 model = AutoModel(..., num_threads=4)5.3 标点模型下载问题
首次使用时会自动下载约300MB的标点模型，如果下载失败：
- 检查网络连接
- 尝试手动下载后放到
~/.cache/modelscope目录
6. 总结
SenseVoice-Small ONNX为Mac用户提供了一个轻量级但功能完备的本地语音识别方案。通过本教程，你已经学会了如何在自己的M1/M2芯片Mac上快速部署和使用这个工具。
它的主要优势包括：
- 完全本地运行，保护隐私
- 资源占用低，普通配置就能用
- 识别准确率高，支持中文特性处理
- 操作简单，几分钟就能上手
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。