请问什么时候可以支持说话人识别

[tumingke0]

请问什么时候可以支持说话人识别请问什么时候可以支持说话人识别

[YuanJie2001]

也许你可以看看这个：https://github.com/mxr-vector/Fun-ASR-GGUF

[kinghe1013]

有时间吗？ 很久了，大概有3个月没有更新了，期待

[LauraGPT]

已支持。

Fun-ASR-Nano 现在可以配合 VAD + CAM++ + 标点模型实现说话人分离。需要从源码安装最新版 FunASR：

pip install git+https://github.com/modelscope/FunASR.git

用法示例：

from funasr import AutoModel

model = AutoModel(
    model="FunAudioLLM/Fun-ASR-Nano-2512",
    trust_remote_code=True,
    remote_code="./model.py",
    vad_model="fsmn-vad",
    vad_kwargs={"max_single_segment_time": 30000},
    spk_model="cam++",
    punc_model="ct-punc",
    device="cuda:0",
    hub="hf",
)
res = model.generate(input="example.wav", cache={}, batch_size=1, language="中文")
for sent in res[0]["sentence_info"]:
    print(f"Speaker {sent['spk']}: [{sent['start']}ms - {sent['end']}ms] {sent['text']}")

README 已更新：https://github.com/FunAudioLLM/Fun-ASR#speaker-diarization

[JoshonSmith]

@LauraGPT 你好，除了cam++，是否可以支持效果更好的，尺寸更大的说话人分离模型？

[LauraGPT]

重新打开。关闭后 @JoshonSmith 追问了“是否支持比 CAM++ 更大、效果更好的说话人模型”，这个后续需求此前没有得到处理。

目前需要明确区分两类能力：

1. 匿名说话人分离（diarization）：输出 S01 / S02 等匿名标签。OpenMOSS 的第三方模型 MOSS-Transcribe-Diarize 已通过 FunASR 的 AutoModel 适配接入 HF、vLLM 和 SGLang 路径，并可在一次端到端推理中同时输出 ASR、分段时间戳和匿名说话人标签，不需要额外挂 VAD 或 CAM++。模型与权重归 OpenMOSS，FunASR 提供生态适配和部署契约：
   https://www.funasr.com/deploy/moss-transcribe-diarize.html
2. 已知身份识别（speaker identification）：把声音识别为预注册的具体人名/身份。这不是 MOSS 匿名 diarization 自动提供的能力，仍需要说话人注册、embedding/检索及阈值评估链路。

因此 MOSS 是“不依赖外部 VAD/说话人模型的端到端匿名分离”选项，但不能把它宣传成已知身份识别。这个 Issue 保持开放，用于继续收集大家需要的是更强匿名分离，还是带注册库的已知身份识别，以及目标语言、重叠语音和可接受显存/延迟约束；确认需求后再决定接入哪类更大模型及评测标准。