用 FunASR 前先懂这些概念
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。
看文档和设置项时遇到的术语，这里用一两句话解释清楚。
术语表
- TTS（文本转语音）：把文字合成为语音，可选择音色、语速与情感。
- 声音克隆：用少量样本复制某人的音色，必须取得本人授权。
- 说话人分离：在转写中区分不同发言人，便于整理会议记录。
- 响度标准化：把音频调整到平台推荐的响度范围，避免忽大忽小。
- 人声分离：把歌曲或录音拆分为人声与伴奏等音轨。
- 采样率：每秒采样次数，影响音质与文件大小。
和 FunASR 相关的补充
- 开源项目：FunASR 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：faster-whisper、WeNet、讯飞听见。
- 所属方向：音频与语音。
把概念用起来
有声读物试音
准备材料：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。
更多可以试的用法
会议录音转写
适用情况：手头有一段 1 小时的会议录音时。
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】。
验收标准：专有名词按名单校正。
课程旁白配音
适用情况：手头有一份 800 字的讲解稿时。
把这份讲稿改成适合朗读的口播版本：句子不超过 20 字，数字改成口语读法，标出需要停顿和重读的地方。
交付前确认：数字读法不会产生歧义。
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：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。
常见问题：配乐与画面情绪不符
先写清情绪关键词和节奏，再分段生成拼接。
常见问题：转写错字集中在专有名词
提前提供人名、产品名词表，转写后批量替换。
概念补充：声音克隆
用少量样本复制某人的音色，必须取得本人授权。
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：视频剪辑师
视频剪辑师可以用 FunASR 处理粗剪与选段、字幕与调色等工作。需要注意：确认音乐和素材授权，客户素材不随意上传公共平台。
适合人群：中小学老师
中小学老师可以用 FunASR 处理备课与分层练习、批改反馈与评语等工作。需要注意：学生个人信息和成绩不要上传到未经学校批准的工具。
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
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。
本文基于 FunASR 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。