Paraformer-large自动化部署：结合shell脚本实现开机自启

Paraformer-large自动化部署：结合shell脚本实现开机自启

1. 背景与需求分析

随着语音识别技术在智能客服、会议记录、内容审核等场景的广泛应用，离线高精度语音转写方案的需求日益增长。阿里达摩院开源的Paraformer-large模型凭借其工业级识别精度和对长音频的良好支持，成为众多开发者构建本地化ASR系统的首选。

然而，在实际使用中，用户常常面临服务重启后需手动启动应用的问题，影响了系统的可用性和自动化程度。本文将围绕Paraformer-large语音识别离线版（带Gradio可视化界面）镜像，详细介绍如何通过编写Shell脚本来实现服务的开机自启动，确保系统稳定运行，提升部署效率。

该镜像已预装PyTorch 2.5、FunASR、Gradio及ffmpeg等必要组件，并集成了VAD（语音活动检测）与Punc（标点预测）模块，支持数小时级别的长音频自动切分与转写，适用于企业级私有化部署需求。

2. 系统环境准备

2.1 基础信息确认

在开始配置前，请确认以下关键信息：

• 模型路径缓存位置：~/.cache/modelscope/hub/iic/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch
• 主程序文件路径：/root/workspace/app.py
• Python虚拟环境路径：/opt/miniconda3/bin/activate torch25
• 服务监听端口：6006
• 操作系统类型：Ubuntu 20.04+（常见于AutoDL、ModelScope等平台）

2.2 应用启动命令解析

原始启动命令如下：

source /opt/miniconda3/bin/activate torch25 && cd /root/workspace && python app.py

此命令包含三个核心操作：

1. 激活名为torch25的Conda虚拟环境；
2. 切换到项目工作目录；
3. 执行Python脚本启动Gradio服务。

为实现开机自启，需将该命令封装进可被系统调用的脚本中，并注册为系统服务或添加至启动项。

3. Shell脚本编写与服务注册

3.1 创建自动化启动脚本

在/root目录下创建名为start_asr_service.sh的Shell脚本：

#!/bin/bash # Paraformer-large 自动化启动脚本 # 功能：激活环境、进入目录、启动服务并记录日志 # 设置日志输出路径 LOG_FILE="/var/log/paraformer_asr.log" # 进入项目目录 cd /root/workspace || { echo "$(date): 无法进入项目目录 /root/workspace" >> "$LOG_FILE" exit 1 } # 激活 Conda 环境 source /opt/miniconda3/bin/activate torch25 if [ $? -ne 0 ]; then echo "$(date): Conda环境激活失败" >> "$LOG_FILE" exit 1 fi # 启动 Python 服务 nohup python app.py > >(tee -a "$LOG_FILE") 2>&1 & # 记录进程ID便于后续管理 echo $! > /var/run/paraformer_asr.pid echo "$(date): Paraformer-large 服务已成功启动，PID: $!" >> "$LOG_FILE"

脚本说明：

• 使用nohup和&实现后台持久运行；
• 日志统一输出至/var/log/paraformer_asr.log，便于排查问题；
• 进程ID保存在/var/run/paraformer_asr.pid，可用于停止或监控服务；
• 添加错误判断机制，增强脚本健壮性。

3.2 设置脚本权限

赋予脚本可执行权限：

chmod +x /root/start_asr_service.sh

3.3 注册为系统服务（推荐方式）

更规范的做法是将其注册为 systemd 服务。

创建服务文件：

sudo vim /etc/systemd/system/paraformer-asr.service

写入以下内容：

[Unit] Description=Paraformer-large ASR Service with Gradio UI After=network.target [Service] Type=simple User=root WorkingDirectory=/root/workspace ExecStart=/bin/bash -c 'source /opt/miniconda3/bin/activate torch25 && exec python app.py' Restart=always RestartSec=10 StandardOutput=journal StandardError=journal [Install] WantedBy=multi-user.target

关键参数解释：

• Type=simple：表示主进程即为服务本身；
• Restart=always：异常退出后自动重启；
• exec python app.py：防止Conda环境变量丢失；
• 使用 journal 记录标准输出和错误，可通过journalctl查看日志。

启用并启动服务：

# 重载systemd配置 sudo systemctl daemon-reexec # 启用开机自启 sudo systemctl enable paraformer-asr.service # 手动启动服务 sudo systemctl start paraformer-asr.service # 查看服务状态 sudo systemctl status paraformer-asr.service

4. 验证与访问方式

4.1 服务状态验证

执行以下命令检查服务是否正常运行：

ps aux | grep python | grep app.py

预期输出应显示类似：

root 12345 25.6 12.3 1234567 89012 ? Sl 14:20 0:15 python app.py

同时可通过日志查看启动详情：

tail -f /var/log/paraformer_asr.log # 或使用 journalctl journalctl -u paraformer-asr.service -f

4.2 本地访问Gradio界面

由于多数云平台限制公网直接暴露Web服务端口，建议通过SSH隧道进行安全映射。

在本地电脑终端执行：

ssh -L 6006:127.0.0.1:6006 -p <实例SSH端口> root@<实例IP地址>

连接成功后，在本地浏览器打开：

👉http://127.0.0.1:6006

即可看到Gradio提供的图形化语音识别界面，支持上传.wav,.mp3等格式音频文件，自动完成转写并添加标点。

5. 注意事项与优化建议

5.1 存储与性能注意事项

• 磁盘空间：长音频处理会产生临时文件，建议保留至少10GB可用空间；
• GPU资源：模型默认使用cuda:0，确保CUDA驱动和PyTorch GPU版本正确安装；
• 内存占用：Paraformer-large模型加载后约占用6~8GB显存，推荐使用RTX 3090/4090及以上显卡；
• 采样率兼容性：输入音频无需预处理，模型会自动转换为16kHz。

5.2 安全性增强建议

• 避免root运行服务：可创建专用用户（如asr）运行服务，降低安全风险；
• 设置防火墙规则：若需开放公网访问，仅允许特定IP访问6006端口；
• HTTPS加密：生产环境中建议通过Nginx反向代理+SSL证书提供加密访问。

5.3 自动化维护脚本扩展

可进一步编写配套的管理脚本，例如：

# stop_asr.sh kill $(cat /var/run/paraformer_asr.pid) && rm /var/run/paraformer_asr.pid # restart_asr.sh ./stop_asr.sh && sleep 2 && ./start_asr_service.sh

或集成进cron任务定期检查服务健康状态。

6. 总结

本文详细介绍了如何基于Paraformer-large语音识别离线版（带Gradio可视化界面）镜像，通过编写Shell脚本和注册systemd服务的方式，实现服务的开机自启动与稳定运行。

核心要点包括：

1. 将原始启动命令封装为具备错误处理和日志记录能力的Shell脚本；
2. 推荐使用systemd服务管理机制，实现更可靠的进程控制与自动恢复；
3. 提供完整的本地访问方案，解决云平台端口限制问题；
4. 给出性能、安全与运维方面的实用建议，助力系统长期稳定运行。

通过上述配置，用户可在服务器重启后无需人工干预，自动恢复语音识别服务，极大提升了私有化部署的自动化水平和可用性。

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，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。