最近在做项目时遇到了语音转文字的需求，搜索了一下看到了年初小红书开源的FireRedASR模型，特地来使用体验了一下，对于中文方言的转换率还不错，但是速度比较慢，下面是整体配置过程和使用。

第一步 下载文件和配置环境

git clone https://github.com/FireRedTeam/FireRedASR.git   #下载代码库
cd FireRedASR-main
pip install -r requirements.txt  #按照运行所需环境
pip install modelscope  #按照模型下载工具
modelscope download --model pengzhendong/FireRedASR-AED-L --local_dir ./pretrained_models  #下载模型

按顺序运行如上命令，等待安装完毕

第二步 调试代码

修改部分代码

打开/fireredasr/models 文件夹下的fireredasr.py文件，修改load_fireredasr_aed_model方法下的第一行
改成如下内容：

    package = torch.load(model_path, map_location=lambda storage, loc: storage, weights_only=False)

此处修改是为了应对torch2.7以上版本将weight_only默认设为True的解决方式

创建启动文件

回到项目主目录，创建main.py文件，将下面代码复制进去，根据自己的需求进行更改

from fireredasr.models.fireredasr import FireRedAsr

batch_uttid = ["BAC009S0764W0121"]
batch_wav_path = ["录音文件名称"] #录音文件最好是16kHz 16-bit PCM 格式
model = FireRedAsr.from_pretrained("aed", "pretrained_models/FireRedASR-AED-L")
results = model.transcribe(
    batch_uttid,
    batch_wav_path,
    {   
        "use_gpu": 0,
        "beam_size": 3,
        "nbest": 1,
        "decode_max_len": 0,
        "softmax_smoothing": 1.0,
        "aed_length_penalty": 0.0,
        "eos_penalty": 1.0
    }
)
print(results)

录音文件格式转换代码（注：此处需要安装mmpeg 可以搜索安装教程）

ffmpeg -i 你的录音文件名 -ar 16000 -ac 1 -acodec pcm_s16le -f wav output.wav

运行成功将生成转换成功的文件output.wav

第三步 运行项目

按自己需求修改完代码，直接使用python运行main.py即可
运行结果如下：

到此最基础的FireRedASR模型运行已经完成。