io.github.modelscope/funasr-mcp
Транскрибация локального аудио с помощью FunASR и SenseVoice с использованием приватного вывода на устройстве.
Что это
Транскрибация локального аудио с помощью FunASR и SenseVoice с использованием приватного вывода на устройстве.
Как подключить
Вставьте блок в конфиг клиента (Claude Desktop, Claude Code, Cursor, VS Code, Cline). Команда и package собраны из полей официального MCP Registry.
Что нового в версиях
Исправлена обработка аудио (PCM16, мультитреки), VAD (деление на ноль), таймстампов и токенизатора.
- ИсправленоИсправлена загрузка аудио: сохранены int16 NumPy-массивы, добавлено усреднение каналов и масштабирование в [-1, 1).
- ИсправленоУстранено деление на ноль при обработке пустых или нулевой длительности сегментов речи в VAD.
- ИсправленоИсправлена работа с таймстампами: сохранены границы, корректно обрабатываются модели без пунктуации.
- ИсправленоВ токенизаторе добавлена поддержка словарей сегментации и пропуск пустых записей при их загрузке.
- ИсправленоИсправлена маршрутизация горячих слов (hotwords) в WebSocket и ONNX/Torch рантаймах.
Исправления в обработке текста, таймкодов и VAD, а также новые сборки runtime для Windows (включая CUDA Blackwell) и Linux.
- ИсправленоИсправлена загрузка аудио в формате, отличном от WAV, в runtime-версии 0.4.10.
- ИсправленоУлучшена постобработка: сохранены границы слов VAD и добавлены пробелы между латинскими сегментами.
- ИсправленоИсправлены таймкоды Paraformer за счёт обрезки батчного заполнения в пиках CIF.
- ИсправленоСервер теперь возвращает plain text при запросе response_format=text.
- НовоеДобавлены сборки runtime для Windows x64 CUDA Blackwell (sm_120) и Linux x64 Vulkan.
Исправлена совместимость с Python 3.12, устранены лишние пробелы в таймкодах и улучшена загрузка аудио через librosa.
- ИсправленоУстранена зависимость от distutils для корректной работы с Python 3.12.
- ИсправленоИсправлено появление лишних пробелов в начале таймкодов для латинских предложений.
- ИсправленоЗагрузка аудиофайлов теперь использует librosa вместо pydub.
Исправлены зависания токенизатора на пустых символах и ошибки нормализации дисперсии, требующие перепроверки качества распознавания.
- ИсправленоТокенизатор теперь игнорирует пустые нелингвистические символы, предотвращая зависания.
- ИсправленоИсправлена нормализация дисперсии (UtteranceMVN) для выровненных аудиофрагментов.
- ИсправленоСохранены корректные выходные данные и градиенты CIF при смешанных батчах с нулевыми и ненулевыми срабатываниями.
- Ломает совместимостьЧекпоинты с norm_means=True и norm_vars=True требуют повторной оценки качества распознавания после исправления нормализации.
Исправлена работа онлайн-фронтенда без LFR, исправлен токенайзер SentencePiece и улучшена обработка пустых входных данных в VAD.
- ИсправленоИсправлена инициализация курсора кадров для онлайн-фронтенда при отсутствии LFR и устранено создание лишних пустых чанков VAD.
- ИсправленоИсправлена семантика токенизации: теперь ids2tokens корректно возвращает список строк для SentencePiece, а конвертация в текст выполняется через tokens2text.
- ИсправленоУлучшена обработка пустых и коротких входных данных в офлайн-модуле VAD, а также исправлено потребление кэша при пустом знаке препинания.
- НовоеВыпущены отдельные пакеты funasr-onnx версии 0.4.9 и funasr-torch версии 0.1.6 с соответствующими исправлениями.
Исправлена передача merge_length_s в generate(), улучшена динамика VAD, добавлена поддержка CMVN и исправлен hotword batching.
- ИсправленоПараметр merge_length_s, передаваемый в generate(), теперь имеет приоритет над значениями, заданными при инициализации.
- ИсправленоДинамическое расписание тишины в VAD теперь оценивается для каждого кадра на основе текущей длительности сегмента речи.
- ИсправленоИсправлена обработка пустых и неполных файлов CMVN, а также улучшено декодирование пакетов в ContextualParaformer и SeacoParaformer.
- ИсправленоВыпущены обновления для hotword batching в funasr-onnx (0.4.7) и funasr-torch (0.1.5), а также фикс парсера CMVN в funasr-onnx (0.4.8) и funasr-torch (0.1.6).
Исправление ошибок в пунктуации и VAD, а также обновление runtime-сборок llama.cpp для различных платформ.
- ИсправленоИсправлена работа потоковой пунктуации: пустые или пробельные фрагменты теперь возвращают пустой результат без изменения кэша.
- ИсправленоИсправлена модель Fsmn_vad: теперь она возвращает список сегментов для каждого входного элемента.
- НовоеВыпущена отдельная версия funasr-onnx 0.4.6 с исправлениями для мульти-входного ONNX VAD.
- НовоеДобавлены готовые runtime-сборки llama.cpp для Linux, macOS и Windows, включая поддержку CUDA Blackwell.
Исправлены ошибки импорта спикеров, улучшена работа ONNX VAD и Paraformer, обновлены зависимости и документация.
- ИсправленоИсправлена ошибка NameError при импорте опциональных моделей спикеров; теперь корректно генерируется ImportError.
- ИсправленоУлучшена обработка коротких чанков и потоков в модели Fsmn_vad_online для ONNX.
- ИсправленоИсправлена обработка стриминговых чанков Paraformer, не содержащих признаков.
- ИсправленоВосстановлена работа CLI-утилит оценки и корректный выбор GPU-устройств.
- НовоеОбновлены версии пакетов funasr-onnx (0.4.4, 0.4.5) и Torch runtime (0.1.4).
Все релизы на GitHub → Пересказ на русском — по заметкам к релизам и коммитам.