从零到一：用 FunASR 做出第一份成果
FunASR 是一款开源项目：阿里达摩院开源的语音识别工具包，中文场景常用。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：播客后期
目标：用 FunASR 完成一次「播客后期」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读仓库 README 与许可证。
- 准备材料：一期双人录制的原始音频（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：人声没有被处理得发闷。
- 保存提示词与最终结果，写三行复盘。
处理这期音频：降低底噪、统一两人音量、删除超过 2 秒的停顿，保留自然的语气词，输出前后对比的处理记录。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「课程旁白配音」，或者把这次的流程分享给同事一起试。
延伸练习
会议录音转写
准备材料：一段 1 小时的会议录音。
转写这段录音并区分发言人，生成要点摘要和待办清单，人名和专有名词按我提供的名单校正：【名单】。
检查点：专有名词按名单校正。
有声读物试音
输入：一个章节的文本。
用两种不同的声音风格朗读这一章节的前 300 字：一种沉稳叙述，一种轻松亲切，对比后选择更适合的版本。
验收标准：两种风格差异明显。
短视频配乐
适用情况：手头有一条 30 秒视频的情绪与节奏时。
生成一段 30 秒的背景音乐：轻快、温暖、无人声，前 5 秒渐入，结尾干净收尾，适合生活类短视频。
检查点：结尾没有突然截断。
常见问题：降噪后声音发闷
降低处理强度，宁可保留少量底噪。
常见问题：合成语音读错多音字
在文本中改用同音字或拼音标注，或使用工具的发音词典。
常见问题：克隆音色不稳定
使用更干净、更长的样本，避免背景音乐和回声。
概念补充：说话人分离
在转写中区分不同发言人，便于整理会议记录。
概念补充：TTS（文本转语音）
把文字合成为语音，可选择音色、语速与情感。
适合人群：记者编辑
记者编辑可以用 FunASR 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
适合人群：自媒体创作者
自媒体创作者可以用 FunASR 处理选题与脚本、封面与剪辑等工作。需要注意：注意素材版权与平台规则，AI 生成内容按平台要求标注。
适合人群：客服人员
客服人员可以用 FunASR 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。
使用提醒
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
涉及个人信息、商业机密或受监管数据时，先确认 FunASR 的数据处理条款，再决定能否使用。