AIGC工具平台-ASR通用音频转文本

课程录音、会议纪要和视频字幕都需要快速转文字，手工整理耗时较长，也容易漏掉时间轴和说话人信息。

ASR 语音识别用于把音频或视频转换成文本和 SRT 字幕，并支持单次识别、批量处理、任务日志和本地 FunASR 服务。

模块定位

ASR 是 Online 在线接口中的语音识别工具，面向音频转文字、视频加字幕和批量转写场景。用户可以选择阿里云 ASR、RunningHub ASR 或 Local FunASR，根据成本、网络和隐私要求决定使用云端识别还是本地识别。

项目配置

ASR 的配置重点是服务商、识别模型、输入文件和结果查看位置。选择 Local FunASR 时，页面会出现本地服务相关状态，用户需要先在“项目说明”页通过网盘资源下载对应程序或模型，并按页面要求放到指定目录；统一说明可参考 AIGC工具平台-Tauri2.x智能工具桌面介绍与使用。

项目说明

项目说明页用于查看 ASR 的模块说明、文字教程、视频教程和资源入口。使用 Local FunASR 时，用户应先在这里确认本地资源下载方式和放置目录，再进入配置管理启动服务；这里适合插入模块介绍和资源入口截图。

配置管理

配置管理页用于选择识别服务商、识别模型、人声分离开关和说话人数。选择云端服务时重点确认 API Key 是否可用，选择 Local FunASR 时重点确认本地服务是否已连接、模型资源是否准备完成。

单次处理

单次处理页用于上传一个音频或视频文件并执行识别，适合首次测试当前配置。用户提交后应观察页面状态和运行日志，识别完成后在结果区查看纯文本和 SRT 字幕。

批量处理

批量处理页用于选择多个文件或一个目录并按队列识别。建议先用单次处理验证服务可用，再批量提交；批量执行时要关注每个文件的状态、失败记录和最终输出位置。

任务日志

任务日志页用于查看历史识别记录、任务状态、输出结果和详情。任务提交成功不等于识别完成，用户应在这里确认任务是否成功保存，并查看失败原因或输出内容。

运行日志用于展示上传、提交、识别中、保存和失败提示。任务长时间无结果时，先看运行日志判断是服务商返回慢、文件上传失败，还是本地服务没有正常连接。

操作流程

ASR 的操作流程可以按“确认识别服务、选择模型参数、上传短文件测试、查看识别结果、再进入批量处理”来理解。首次使用先在项目说明和配置管理中确认云端 Key 或本地 FunASR 服务是否可用，再用单个音视频验证文本和字幕结果，最后通过任务日志确认历史记录。

应用场景

ASR 适合把音频内容快速变成可编辑文本，尤其适用于课程字幕、会议纪要、访谈整理和短视频批量生产。单次处理可以帮助用户先验证模型、语言和字幕格式是否合适，批量处理则适合把多个录音或视频统一转写。对于隐私要求较高的素材，可以优先考虑本地 FunASR；对于追求稳定性和少维护的场景，可以使用云端服务。教程中应强调配置、提交、等待和日志确认的区别，让读者知道任务失败时该回到哪一页排查。

总结

ASR 的使用顺序是先确认服务商和模型，再用单个短文件测试识别效果，最后按需要批量处理并在任务日志确认结果。涉及本地 FunASR 时，先准备项目说明页中的本地资源，再启动服务。

更多内容请访问：