SenseVoice

SenseVoice 是阿里巴巴通义语音团队发布的音频理解项目，可将语音转换为文本并识别音频中的语种、情感和声音事件。它是具体模型项目，与站内已收录的 FunASR 通用框架区别收录。

主要功能

官方开放的 SenseVoiceSmall 支持中文普通话、粤语、英语、日语和韩语识别，以及笑声、哭声、音乐、掌声等事件标签。提供 Python/FunASR 调用、WebUI 和服务部署示例；情感标签属于模型推断结果。

适用人群

需要多语言音频转写、字幕素材整理或集成语音识别的开发者与研究人员。

语言、地区与使用条件

团队所属地区：中国。项目说明提供中、英、日文；模型支持的五种语音语言与文档语言不同。需要下载模型和配置本地运行环境，可按官方说明使用 CPU 或 GPU；Docker 预构建容器当前为私有，需自行构建。长音频切分、说话人区分等应按对应部署方案配置。

费用与限制

源码可免费获取，采用 MIT 许可证；官方模型权重另适用 FunASR 模型开源协议 v1.1，不能将源码许可直接等同于权重许可。官方许可问答 #334 仍等待许可方或核心维护者最终确认，商业项目应核对模型卡与协议。自托管没有统一云端免费额度，计算硬件、托管和第三方服务费用由使用者承担。

官方来源

• 官方项目仓库
• 中文功能与部署文档
• 官方模型卡
• 模型许可协议
• 许可问题当前状态
• 通义语音团队项目页

信息核对日期：2026 年 10 月 10 日。根据官方公开资料整理；未安装客户端、注册第三方账户或购买服务。