FunASR是阿里巴巴达摩院推出的开源语音识别工具集，采用端到端模型(Paraformer)实现语音到文本的直接转换，简化传统ASR的多步流程。其工作流程分为音频预处理、特征提取、模型预测和后处理四个环节，支持离线长音频、实时转写和方言识别等场景。相比闭源ASR，FunASR具有本地部署、免费开源、可自定义等优势，适用于隐私敏感领域。该工具通过模块化设计和工程化优化，降低了语音识别技术的使用门槛，

基础层：掌握经典机器学习（模型 + 流程）、深度学习基础（CNN/RNN）；核心层：吃透 Transformer、注意力机制、预训练 - 微调范式；应用层：实践 NLP 任务（NER、翻译、QA）、多模态融合；工程层：学习 MLOps（训练、部署、监控）、模型安全对齐。大模型技术仍在快速发展，建议结合实际项目（如微调小模型做客服）深化理解，持续跟进前沿架构（如 SSMs、MoE），逐步构建自己的技

相结合的人工智能技术。它的核心思想是：在让大模型回答问题之前，先从一个大型、私有的知识库中 “查找” 相关的参考资料，然后让模型基于这些找到的 “证据” 来生成最终答案。这个阶段是一次性的 “基建工程”，目的是把原始文档转换成方便快速检索的格式。分割策略对 RAG 性能影响巨大。如何衡量一个 RAG 系统的好坏？这是用户与系统交互的实时过程。你可以把它想象成一个。