提升垂直领域语音识别准确率：FunASR 热词偏置工程指南
在垂直行业的自动语音识别（ASR）落地过程中，长尾专业词汇的识别错误率往往居高不下。例如医疗病历录入时的"室上性心动过速"或金融研报分析中的"量化宽松政策"，这类错误会严重影响下游业务的数据质量。FunASR 框架提供了一套基于热词偏置（Hotword Biasing）的解决方案，能够有效干预解码过程，大幅改善特定领域词汇的召回率。
热词偏置机制原理解析
FunASR 的热词干预主要依赖于加权有限状态转换器（WFST）。在解码阶段，系统将自定义热词表编译为独立的 WFST 图，并与声学模型（AM）、语言模型（LM）及发音词典（L）进行组合。通过为热词路径赋予额外的奖励权重（Boosting Weight），引导解码器在遇到声学特征模糊时，优先选择热词路径，从而在不重新训练模型的前提下实现识别结果的纠偏。
词表构建与服务部署
1. 构建领域偏置词表
准备一个纯文本文件（如 domain_vocab.txt），采用空格分隔词汇与偏置分数。文件必须严格使用 UTF-8 无 BOM 编码。
室上性心动过速 85
量化宽松政策 75
阿莫西林克拉维酸钾 90
融资融券业务 65
分数越高，干预力度越强。通常领域专有名词设置在 70-90 之间，常规业务词汇在 40-60 之间。
2. 容器化环境准备
使用 Docker 拉取并运行 FunASR 离线推理服务端镜像，确保模型文件与热词表正确挂载。
# 拉取指定版本的 CPU 推理镜像
docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-0.4.7
# 启动容器并映射端口与本地模型目录
docker run -d --name funasr_hotword_srv \
-p 10095:10095 \
-v /local/asr_models:/workspace/models \
registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-cpu-0.4.7
3. 注入热词并启动推理服务
进入容器内部，通过启动脚本加载模型并指定热词表路径。
docker exec -it funasr_hotword_srv bash
# 在容器内启动推理服务，注入热词表路径
cd /workspace/FunASR/runtime
nohup bash run_server.sh \
--model-dir damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx \
--vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx \
--punc-dir damo/punc_ct-transformer_cn-en-common-vocab471067-large-onnx \
--lm-dir damo/speech_ngram_lm_zh-cn-ai-wesp-fst \
--itn-dir thuduj12/fst_itn_zh \
--hotword /workspace/models/domain_vocab.txt \
> /workspace/server_output.log 2>&1 &
高级调优与客户端集成
全局与请求级偏置协同
服务端通过 --hotword 加载的是全局词表，作用于所有 WebSocket 连接。若需针对单次请求动态调整（例如不同用户拥有不同的业务词库），可通过客户端在 JSON payload 中传入 hotwords 字段，实现局部偏置覆盖。
权重分配矩阵
| 词汇类别 | 推荐 Weight | 干预效果 |
|---|---|---|
| 极易混淆的同音词 | 80 - 100 | 强制纠正声学歧义 |
| 核心业务专有名词 | 65 - 80 | 显著提升垂直词汇召回 |
| 行业通用术语 | 40 - 65 | 适度提升，避免过度干预 |
Python 客户端调用实现
以下代码展示了如何通过 WebSocket 客户端发起识别请求，并动态传入局部热词文件。
import argparse
from funasr_wss_client import FunasrWebSocketClient
def execute_asr_task():
parser = argparse.ArgumentParser(description="FunASR Hotword Client")
parser.add_argument("--server_ip", default="127.0.0.1", help="Server IP address")
parser.add_argument("--server_port", type=int, default=10095, help="Server port")
parser.add_argument("--audio_path", default="./samples/finance_report.wav", help="Audio file path")
parser.add_argument("--custom_hotwords", default="./dynamic_hotwords.txt", help="Local hotword file")
args = parser.parse_args()
# 初始化 WebSocket 客户端
client = FunasrWebSocketClient(
host=args.server_ip,
port=args.server_port,
mode="offline"
)
# 发起识别请求并传入局部热词
result = client.recognize(
audio_file=args.audio_path,
hotword_file=args.custom_hotwords
)
print(f"ASR Output: {result}")
if __name__ == "__main__":
execute_asr_task()
效果评估与故障排除
识别结果对比
未启用偏置机制（Baseline）：
识别结果："患者伴有世上性心动过速，建议进行射频消融树"启用热词偏置后：
识别结果："患者伴有室上性心动过速，建议进行射频消融术"常见故障排查
- 偏置未生效：核对容器内热词文件的挂载路径是否与
--hotword参数完全一致，检查服务端日志（server_output.log）是否有文件读取报错或权限拒绝提示。 - 推理延迟显著增加：热词表规模过大会导致 WFST 图搜索空间膨胀。建议将热词数量控制在 1000 条以内，或适当调低服务端的并发线程数。
- 出现乱码或截断：确保热词文件严格使用 UTF-8 编码，不包含隐藏的控制字符，且权重值限制在 1-100 的整数范围内。
