具体代码实现如下：
from funasr import AutoModel
from funasr.utils.postprocess_utils import rich_transcription_postprocess
path_audio = "emo/happy.mp3"# 音频文件
# 加载模型
model_dir = "iic/SenseVoiceSmall"
model = AutoModel(
model=model_dir,
trust_remote_code=True,
remote_code="./model.py",
vad_model="fsmn-vad",
vad_kwargs={"max_single_segment_time": 30000},
device="cuda:0",
cache_dir = "./ckpt"
)
# 模型预测识别
res = model.generate(
input=path_audio,
cache={},
language="auto", # "zn", "en", "yue", "ja", "ko", "nospeech"
use_itn=True,
batch_size_s=60,
merge_vad=True, #
merge_length_s=15,
)
# text = rich_transcription_postprocess(res[0]["text"])
print("音频文件：{}".format(path_audio))
print("识别预测结果：{}".format(res[0]["text"]))
脚本运行log如下：
音频文件：emo/happy.mp3
识别预测结果：<|zh|><|HAPPY|><|Speech|><|withitn|>你好，见到你很高兴。 
助力快速掌握数据集的信息和使用方式。
数据可以如此美好！
