现象
当前FastGPT使用Whisper进行离线语音转录，存在中文转录效果一般、延迟较大的问题，无法满足实时性业务的使用需求。
可能原因
原语音转录方案采用Whisper离线模式，未针对实时场景做针对性优化，导致整体延迟偏高，同时中文转录效果存在不足。
排查步骤
- 确认当前FastGPT部署的语音转录模块为Whisper离线方案。
- 检查当前业务场景是否需要实时语音转录功能。
- 核对现有部署环境是否支持FunASR相关容器服务的部署。
- 需按实际环境确认FunASR服务端的部署地址与端口配置。
解决与验证
可通过替换为FunASR实时语音转录方案优化体验，具体操作如下：
- 部署打包为容器的FunASR实时语音转录API服务，获取服务对应的WebSocket访问地址。
- 参考给定的客户端配置参数调整FastGPT的语音转录逻辑，配置参数包括
chunk_size: [5, 10, 5]、wav_name: "h5"、is_speaking: True、wav_format: "pcm"、chunk_interval: 10、itn: True、mode: "2pass"、hotwords: ""。 - 运行客户端脚本，将麦克风输入的语音数据通过WebSocket发送至FunASR服务端，测试实时转录效果。
- 验证转录结果的延迟与准确率是否符合业务需求，确认功能正常运行。