Skip to content

OneASR 聚合网关部署与配置指南 ​

OneASR 是专为 DuRT 生态打造的高性能开源语音识别聚合网关。它将 Faster-Whisper、SenseVoice、FireRedASR、Paraformer 等业界主流开源 ASR 模型统一封装为标准的高并发 API,同时支持 实时流式(Realtime Speech) 与 长文件批处理(File Transcription)。


核心特性与优势 ​

功能维度OneASR 表现优势说明
实时流式识别 (Realtime)✅ 支持 (WebSocket)毫秒级低延迟推流识别,可作为 Apple 原生引擎的强力替补
媒体文件转录 (File)✅ 支持 (高并发批处理)支持 GB 级超长音频/视频文件切片,异步队列极速转录
在线网络视频提取✅ 支持一键粘贴 Bilibili、YouTube、播客等音视频直链,免本地下载直接提取字幕
词级时间戳 (Word Timestamp)✅ 支持 (毫秒精度)在 DuRT 字幕 Studio 中实现逐词高亮与微调对齐
说话人分离 (Diarization)✅ 支持 (Speaker 0/1)自动聚类区分不同发言人,多角色会议采访必备
多模型热切换✅ 支持可自由切换 SenseVoice(超快)、Faster-Whisper(多语种)或 FireRedASR(高准度)

一键部署 OneASR ​

方式 1:Docker 极速部署(推荐) ​

如果您的服务器或本地机器已安装 Docker 与 NVIDIA Container Toolkit(GPU 推荐):

bash
# 拉取并启动 OneASR 镜像(支持 GPU 加速)
docker run -d \
  --name oneasr \
  --gpus all \
  -p 8000:8000 \
  -v ./models:/app/models \
  -e ONEASR_API_KEY="sk-oneasr-secret-key" \
  codeandxv/oneasr:latest

若使用 CPU 运行,可去掉 --gpus all 参数。

方式 2:Python 源码本地运行 ​

bash
# 1. 克隆官方代码仓库
git clone https://github.com/codeAndxv/OneASR.git
cd OneASR

# 2. 安装 Python 核心依赖(建议 Python 3.10+)
pip install -r requirements.txt

# 3. 启动高并发 Uvicorn 服务
uvicorn app.main:app --host 0.0.0.0 --port 8000

服务启动成功后,浏览器访问 http://localhost:8000/docs 即可查看 Swagger API 接口定义。


在 DuRT 中配置与连接 ​

OneASR 可以同时挂载在 DuRT 的 实时语音 与 文件转录 两个面板中:

  1. 打开 DuRT 客户端,进入 设置 (Settings) ➔ AI 引擎与能力 (AI Capabilities);
  2. 切换至 媒体文件转录 (File Transcription) 或 实时语音 (Realtime Speech) 面板;
  3. 点击右上角 “添加服务” ➔ 选择 OneASR 聚合网关;
  4. 填写接入凭证:
    • 服务名称:自定义(如 局域网 GPU OneASR);
    • 服务地址 (API URL):http://localhost:8000(或您的内网服务器 IP,如 http://192.168.1.100:8000);
    • API Key:若服务端启用了认证,填入设置的密钥(如 sk-oneasr-secret-key),若未设则留空;
  5. 点击 “测试连接”,DuRT 将自动检测 OneASR 服务协议版本(DuRT 3.0 兼容 OneASR v0.1.0 ~ v0.1.x 协议);
  6. 连接成功后,选择默认加载的识别模型(如 sensevoice-v1 或 whisper-large-v3),保存即可。

实战用法技巧 ​

1. 网络视频直链极速抓取转录 ​

在 DuRT 媒体导入界面或 DAG 工作流的 mediaInput 节点中,直接粘贴 Bilibili 视频链接 或 公开播客音视频 URL,OneASR 将直接在服务端拉取音轨切片并高速转写,彻底省去用户“先下载大视频到本地、再拖入转码”的繁琐流程!

2. 批量大文件转录 ​

在局域网配备高性能显卡(如 RTX 4090 或 Apple M系列 Mac Studio)部署 OneASR,多台办公 Mac 可以同时向其发送数小时的音视频转写任务,享受毫秒词戳与自动说话人分离。

Crafted with precision for macOS.