FunASR

FunASR es un kit de herramientas de código abierto para reconocimiento de voz que incluye modelos de transcripción (Fun-ASR-Nano, SenseVoiceSmall, Paraformer), detección de actividad de voz (VAD), puntuación automática y diarización de hablantes con CAM++. No es un único modelo como Whisper, sino un conjunto de piezas que se combinan según la tarea: transcripción offline, streaming en tiempo real o despliegue en dispositivos sin GPU.

El repositorio expone un servidor MCP (en examples/mcp_server/) pensado para integrarse con agentes como Claude o Cursor, además de un servidor compatible con la API de OpenAI (funasr-server) que levanta un endpoint de transcripción en localhost:8000. También ofrece un runtime basado en llama.cpp/GGUF para correr los modelos como binario autocontenido en CPU o edge, sin necesidad de Python en tiempo de ejecución.

Para usarlo hace falta instalar torch y torchaudio, luego funasr vía pip; el servidor MCP y el servidor OpenAI-compatible se apoyan en esa misma instalación base. Los pipelines de AutoModel permiten encadenar ASR, VAD, puntuación y diarización de hablantes en una sola llamada, devolviendo texto con marcas de tiempo, etiquetas de hablante y puntuación.