本篇文章主要介绍了如何在服务器中部署基于AI大模型的本地知识库问答系统，利用RAG技术解决大模型无法回答私有化知识内容的问题。

本文提出了一种基于大模型的通话录音质检方案，用于区分客服与客户语音。通过FunASR实现语音转写和说话人区分，结合本地部署的大模型进行语义分析，无需预先注册声纹。技术方案包括ASR转写、说话人合并、文本向量计算等步骤，有效提升处理效率。文章还解答了FunASR使用中的常见问题，如区分说话人功能实现、内存泄漏等。该方案特别适用于外呼系统的话术质检场景，提供了一种创新的本地化部署解决方案。

这篇文章主要讲述如何在Linux服务器中内网部署gpt-oss-20b大模型，这个gpt-oss-20大模型只需要16GB显存，可以在本地电脑中部署，也可以在服务器中部署，然后有60GB以上的显存，可以跑gpt-oss-120b参数量的大模型。

Linux中部署Qwen3.5大模型 | 本地私有化部署阿里最新开源Qwen3.5大模型 | 私有化部署本地大模型需要什么配置

摘要：OpenAI开源的Whisper是一个强大的多语言ASR（自动语音识别）工具，支持100种语言（国内支持普通话和粤语），具备语音转写、标点添加、语种识别和翻译功能。该项目提供多种模型选择（如tiny、base、small、large系列），推荐使用优化后的large-v3-turbo模型（需8GB显存）。软件提供Windows可执行程序，支持CPU/GPU运行（GPU需英伟达CUDA）。Wh

本文介绍了如何在Linux系统上部署FunASR实时语音识别接口。FunASR是阿里巴巴开源的支持实时语音识别、说话人区分等功能的高效工具。部署过程以Ubuntu为例，通过Docker镜像快速搭建环境，包含镜像导入、服务启动等关键步骤，并提供了Web端演示方法。文章还提示了云服务器端口开放等注意事项，适用于通话转写、会议记录等场景。文末附有博客链接和视频教程，提供有偿部署服务联系方式。

Linux中部署Qwen3.5大模型 | 本地私有化部署阿里最新开源Qwen3.5大模型 | 私有化部署本地大模型需要什么配置

摘要 本文介绍了一个ASR(自动语音识别)数据集采集系统的开发与部署方案。该系统旨在解决传统数据采集过程中音频与文本标签不匹配的问题，通过云端部署实现多人协作采集，提高数据质量和采集效率。系统采用前后端分离架构：后端使用SpringBoot(JDK21)，前端使用Vue，配合Nginx作为Web服务器和反向代理，MySQL存储数据并支持Excel导出。 部署过程详细说明了JDK21、MySQL和N

Fun-ASR-Nano是一款开源实时语音识别模型，支持多种方言和国际语言，包括客家话、吴语、英语等。该模型具备流式区分说话人功能，可实时转写并标注不同说话人(SPK标识)及时间戳，适用于会议纪要等场景。效果演示视频可在B站观看。

摘要：OpenAI开源的Whisper是一个强大的多语言ASR（自动语音识别）工具，支持100种语言（国内支持普通话和粤语），具备语音转写、标点添加、语种识别和翻译功能。该项目提供多种模型选择（如tiny、base、small、large系列），推荐使用优化后的large-v3-turbo模型（需8GB显存）。软件提供Windows可执行程序，支持CPU/GPU运行（GPU需英伟达CUDA）。Wh