FSMN VAD版权说明须知：保留科哥信息的开源使用规范

FSMN VAD版权说明须知：保留科哥信息的开源使用规范

1. 模型来源与二次开发背景

FSMN VAD 是阿里达摩院 FunASR 项目中开源的轻量级语音活动检测（Voice Activity Detection）模型，专为中文语音场景优化设计。该模型具备低延迟、高精度、小体积三大特点，仅 1.7MB 的模型文件即可在 CPU 环境下实现毫秒级响应，RTF（实时率）低至 0.030，相当于处理速度是实时的 33 倍。

本 WebUI 系统并非原始模型的直接封装，而是由开发者“科哥”基于 FunASR 的 FSMN VAD 推理能力，从零构建的一套完整交互式语音检测工具。它不依赖复杂部署流程，无需配置环境变量或手动加载模型，通过一键脚本即可启动本地服务，并提供直观的图形界面，大幅降低技术使用门槛。

需要特别强调的是：所有功能模块、前端交互逻辑、参数控制策略、批量处理架构、实时流式框架雏形，以及完整的用户手册与调试支持体系，均由科哥独立完成二次开发与工程化落地。这不是简单的 Gradio 模板套用，而是一次面向实际语音处理需求的深度重构。

2. 开源使用的核心前提：版权信息必须保留

本项目严格遵循开源精神，但开源不等于无约束。为保障开发者持续投入与成果可追溯性，特制定以下不可协商的使用规范：

2.1 必须保留的署名信息

任何个人或组织在使用、分发、二次开发或集成本 WebUI 系统时，必须在以下全部位置清晰、完整、不可删除地保留原始署名：

• 系统首页/欢迎页显眼位置（如顶部 Banner、底部 Footer、启动弹窗等）
  正确示例：webUI二次开发 by 科哥 | 微信：312088415
  ❌ 错误示例：仅写“基于 FunASR”、“AI 工具”、“语音检测系统”等模糊表述

• 所有对外发布的文档、教程、视频介绍、宣传材料中
  正确示例：在文章标题下方、视频字幕首帧、PPT 封面页注明开发者信息
  ❌ 错误示例：将“科哥”替换为“某开发者”、“社区贡献者”，或完全省略

• 代码仓库的 README.md、LICENSE 文件、项目描述字段中
  正确示例：在README.md首段明确声明“本 WebUI 由科哥开发，基于阿里 FunASR FSMN VAD 模型”
  ❌ 错误示例：仅引用 FunASR 官方链接，未提科哥；或在 LICENSE 中擅自修改作者字段

• WebUI 界面内“设置”页的系统信息区域（已预置，禁止注释或隐藏）
  正确示例：保持“模型信息”与“应用配置”下方的开发者标识可见且可复制
  ❌ 错误示例：通过 CSS 隐藏、JS 删除 DOM 节点、修改 HTML 源码移除文字

2.2 不得进行的修改行为

以下操作一经发现，即视为违反本项目的开源协议，不再享有免费使用与技术支持权利：

• 删除、遮盖、模糊化、覆盖、替换任何含“科哥”或“312088415”的文本、图标、水印；
• 将本系统包装为自有产品进行商业销售、SaaS 化运营或嵌入闭源平台，且未获得书面授权；
• 在未声明来源的情况下，将本 WebUI 功能作为核心模块用于竞品对比评测或技术白皮书案例；
• 声称本 WebUI 或其任意功能（如批量处理逻辑、参数调节机制、JSON 输出结构）为自行研发。

关键提示：FunASR 模型本身由阿里达摩院开源，其版权归属阿里；而本 WebUI 的交互层、工程架构、用户流程、文档体系、调试工具链，属于科哥的原创劳动成果，受《中华人民共和国著作权法》保护。保留署名，是对代码作者最基础的尊重，也是开源生态可持续运转的基石。

3. 合规使用的实操指南

遵守版权规范并不增加使用成本，反而能帮助你更稳定、更长期地受益于本系统。以下是具体操作建议：

3.1 本地部署场景（推荐）

适用于个人学习、内部测试、小团队协作：

• 下载源码后，直接运行/root/run.sh启动服务；
• 浏览器访问http://localhost:7860即可使用；
• 无需任何修改：默认界面、设置页、文档页均已内置合规署名；
• 若需定制 UI（如更换主题色、调整布局），请确保所有含署名的 DOM 元素保留在 DOM 树中且可见。

3.2 内网部署场景（企业/机构）

适用于部门级语音质检、会议纪要预处理等业务场景：

• 可将服务部署在内网服务器，通过 IP 地址访问（如http://192.168.1.100:7860）；

• 必须在内网访问入口页面（如公司内部 Wiki、OA 系统跳转页）添加说明：

  “本语音检测服务基于科哥开发的 FSMN VAD WebUI（微信：312088415），模型源自阿里达摩院 FunASR。”

• 批量处理结果导出的 JSON 文件，建议在文件头添加注释行：

  // 语音活动检测结果 | 生成工具：FSMN VAD WebUI by 科哥 | https://xxx.internal

3.3 二次开发与集成场景

适用于希望将 VAD 能力嵌入自有系统的开发者：

• 可直接调用 WebUI 提供的 API 接口（Gradio 默认启用/api/predict）；
• 在调用方代码注释、接口文档、SDK 说明中，必须注明：
  // 语音检测能力由科哥开发的 FSMN VAD WebUI 提供（微信：312088415）；
• 若重写前端界面，需在新 UI 的“关于”或“帮助”页中，以同等显著程度展示原始开发者信息。

4. 参数调优与效果保障：科哥的实践建议

版权规范不是限制，而是为了让更多人用得更准、更稳。科哥在数百小时真实音频测试中总结出以下经验，助你快速获得可靠结果：

4.1 两个核心参数的真实影响

真实案例：一段带空调底噪的客服录音，初始用默认参数检测出 42 个片段，其中 17 个为纯噪声；将speech_noise_thres从 0.6 调至 0.78 后，有效语音片段稳定在 25 个，噪声误报归零，且无漏检。

4.2 音频质量比参数更重要

再好的参数也救不了差音频。科哥坚持：预处理优先于调参。

• 强制要求：所有输入音频必须为16kHz 采样率、单声道、16bit PCM 编码；
• 推荐工具：用 FFmpeg 一行命令标准化：

ffmpeg -i input.mp3 -ar 16000 -ac 1 -acodec pcm_s16le output.wav

• 避免陷阱：MP3/AAC 等有损格式在解码时会引入伪影，导致 VAD 对起始点判断偏移 ±30ms；WAV 是唯一推荐的生产环境格式。

5. 常见误解澄清与支持边界

为避免误读，科哥明确划清责任范围与支持原则：

5.1 关于“永远开源”的准确理解

• “永远开源”指：本 WebUI 的全部源码将持续公开在 GitHub/Gitee，任何人可自由下载、运行、学习；
• “永远开源”指：不会突然闭源、不会加 License 限制、不会收取授权费；
• ❌ “永远开源”不等于“无限责任”：不提供 7×24 技术支持、不承诺兼容所有 Linux 发行版、不负责因用户误操作导致的数据丢失；
• ❌ “永远开源”不等于“无条件商用”：企业级大规模部署、SaaS 化、硬件预装等场景，需提前微信沟通授权。

5.2 关于 FunASR 模型本身的疑问

• 本 WebUI不修改、不训练、不微调FSMN VAD 模型权重；
• 所有模型文件均来自 FunASR 官方 release（v1.0.0+），路径为./model/vad/fsmn_vad_zh-cn-16k-common-pytorch；
• 若遇到模型级问题（如特定方言识别差、极端噪声下失效），请直接向 FunASR GitHub Issues 反馈，科哥不承担模型算法层面的维护责任。

5.3 支持响应原则

• 响应渠道唯一：微信312088415（非工作时间可能延迟，通常 24 小时内回复）；
• 优先支持：部署失败、参数无效、界面异常、JSON 输出格式错误等确定性问题；
• 不支持：定制新功能开发（如增加 WebSocket 流式接口）、跨平台打包（如 macOS App）、与特定 ERP/CRM 系统对接；
• 鼓励自助：所有常见问题已在本文档“常见问题”章节详述，建议先通读全文。

6. 总结：尊重版权，就是尊重技术本身

FSMN VAD WebUI 的价值，不仅在于它让一个工业级语音检测模型变得触手可及，更在于它背后所代表的一种务实、透明、可信赖的技术交付方式。科哥选择开源，不是放弃权益，而是相信：只有当每个使用者都清楚“这东西是谁做的、怎么来的、怎么用对”，技术才能真正扎根于真实场景，持续进化。

因此，请务必：

• 在每一次部署、每一次分享、每一次集成中，保留那行小小的署名；
• 在每一次参数调试、每一次音频处理、每一次结果分析中，信任并验证科哥沉淀的实践经验；
• 在每一次遇到问题时，先查阅本文档，再通过微信精准反馈，共同维护一个健康、可持续的轻量语音工具生态。

技术不应被神化，也不应被匿名化。它由具体的人创造，也应被具体的人记住。

--- > **获取更多AI镜像** > > 想探索更多AI镜像和应用场景？访问 [CSDN星图镜像广场](https://ai.csdn.net/?utm_source=mirror_blog_end)，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。