modelscope-funasr在使用whisper模型转录音频时，能转超过1分钟的么？

ModelScope-Funasr在使用whisper模型转录音频时，理论上是可以处理超过1分钟的音频的。但实际的处理能力可能受到多种因素的影响，例如硬件资源、模型架构以及环境部署等。以下是一些可能影响转录长度的因素：

1. 硬件资源：如果使用的设备缺乏足够的计算能力，比如在纯CPU模式下运行Whisper，那么转录速度会非常慢，可能导致无法完成长音频的转写。
2. 模型架构：不同的模型架构可能会影响推理速度和处理长音频的能力。Whisper是一个端到端的语音识别模型，而Funasr的具体架构可能与之不同，这可能导致在处理长音频时的性能差异。
3. 环境部署：如果环境部署不够优化，比如未能充分利用GPU加速，或者在部署过程中遇到问题，这也会影响到长音频的处理能力。
4. 输入格式：确保输入音频的格式正确，以及API调用方式符合要求，这对于成功转录长音频也是必要的。

总的来说，虽然ModelScope-Funasr的whisper模型有能力处理超过1分钟的音频，但在实际操作中可能会遇到各种限制。如果您遇到只能转录30秒的问题，可能需要检查硬件资源是否充足，环境是否优化，以及模型是否正确部署。此外，也可以考虑查找是否有相关的文档说明或社区讨论，以获取更多关于如何处理长音频的信息和技巧。

可以用funasr里面的vad来切割音频。此回答整理自钉群“modelscope-funasr社区交流”