SenseVoice-small轻量部署：Windows Subsystem for Linux (WSL2) 全流程

SenseVoice-small轻量部署：Windows Subsystem for Linux (WSL2) 全流程

想在自己的Windows电脑上搭建一个本地语音识别服务，但又不想折腾复杂的Linux环境？今天，我就带你用WSL2，在Windows系统里轻松部署SenseVoice-small语音识别模型。这是一个轻量级、多任务、支持ONNX量化的语音模型，部署完成后，你就能在浏览器里直接上传音频或录音，实时转换成文字，支持50多种语言，还能识别说话人的情绪。

整个过程就像搭积木，跟着步骤走，半小时内你就能拥有一个私人的、离线的语音识别助手。无论是用来整理会议录音、给视频加字幕，还是单纯想体验一下本地AI的能力，这个教程都能帮到你。

1. 准备工作：认识我们的工具

在开始动手之前，我们先花两分钟了解一下今天要用到的几个核心工具。理解了它们，后面的操作就会清晰很多。

1.1 主角：SenseVoice-small是什么？

SenseVoice-small是一个“小而强”的语音识别模型。你可以把它想象成一个耳朵特别灵、懂得语言特别多的智能助手。

• 轻量级：它的“身材”比较小，对电脑硬件要求不高，普通电脑也能跑起来，特别适合我们这种个人用户在本地部署。
• 多任务：它不止能听写文字。它还能做两件很酷的事：一是识别说话人的情绪（比如开心、生气、平静），二是把口语化的数字自动转换成书面格式（比如把“一百二十”转成“120”）。
• ONNX量化版：这是技术上的优化，简单理解就是让这个模型跑得更快、占用的内存更少，在我们个人的电脑上体验会更流畅。
• WebUI V1.0：它自带一个网页界面。部署好后，你不需要敲命令，直接在浏览器里点一点、拖一拖就能用，非常方便。

1.2 舞台：为什么用WSL2？

WSL2（Windows Subsystem for Linux 2）是微软官方推出的功能，它允许你在Windows系统内部无缝地运行一个完整的Linux系统。

对我们来说，它的好处显而易见：

• 免去双系统烦恼：不需要单独给电脑装一个Linux系统，所有操作都在Windows里完成。
• 直接使用Linux环境：很多优秀的AI项目和工具（包括我们今天要部署的SenseVoice）原生就是在Linux环境下开发和测试的。用WSL2可以确保环境和依赖完全匹配，避免各种奇怪的兼容性问题。
• 文件互通：Windows和WSL里的Linux可以互相访问对方的文件，传个音频文件、导个识别结果都非常方便。

1.3 它能用在哪儿？

部署好后，这个本地语音识别服务能帮你做很多事：

• 个人效率工具：快速整理会议录音、访谈记录，将灵感语音备忘录转成文字。
• 内容创作助手：为自制的视频、播客节目自动生成字幕文件。
• 多语言学习：识别外语学习材料的音频，检查自己的发音和语调对应的文字。
• 隐私敏感场景：所有语音数据都在你自己的电脑上处理，不会上传到任何云端，适合处理涉及个人隐私、商业机密或敏感信息的音频。

好了，工具介绍完毕，我们开始动手搭建！

2. 第一步：启用WSL2并安装Ubuntu

这是搭建基础舞台的步骤。请确保你的Windows 10版本在2004以上，或Windows 11。

2.1 启用WSL功能

以管理员身份打开Windows PowerShell（在开始菜单搜索“PowerShell”，右键选择“以管理员身份运行”），然后输入以下命令：

wsl --install

这个命令会一次性完成几件事：启用“适用于Linux的Windows子系统”和“虚拟机平台”这两个必需的Windows功能，并默认安装Ubuntu Linux发行版。执行后，系统会提示你重启电脑。

如果上述命令不成功，可以手动启用功能：

1. 搜索打开“启用或关闭Windows功能”。
2. 勾选“适用于Linux的Windows子系统”和“虚拟机平台”。
3. 点击确定，重启电脑。

2.2 安装并设置Ubuntu

重启后，一个Ubuntu的终端窗口可能会自动弹出。如果没有，在开始菜单找到“Ubuntu”并打开。

首次运行需要完成初始化：

1. 等待终端完成解压和安装。
2. 根据提示，设置一个UNIX用户名（建议用小写英文，如ai_user）和密码（输入时不会显示，输完按回车即可）。这个密码在后续使用sudo命令时会用到，请记住。
3. 安装完成，你会看到类似ai_user@DESKTOP-XXXX:~$的提示符，说明Linux环境已经就绪。

2.3 验证WSL版本并更新

在Ubuntu终端里，我们首先确认WSL版本是2，并更新系统软件包。

# 在Windows PowerShell中查看WSL版本 wsl -l -v # 应该看到你安装的发行版（如Ubuntu）后面跟着“2”。如果是“1”，需要转换。 # 在Ubuntu终端中，更新软件包列表并升级现有软件 sudo apt update && sudo apt upgrade -y

至此，你的Windows电脑里已经拥有了一个完整的Linux系统，我们的舞台搭建完毕。

3. 第二步：在WSL中部署SenseVoice-small

现在，我们进入Linux环境，开始部署语音识别服务。

3.1 获取部署脚本

SenseVoice-small提供了一个非常方便的一键部署脚本。我们在用户主目录下操作。

# 确保在用户主目录 cd ~ # 下载部署脚本 wget https://github.com/modelscope/ms-swift/blob/main/examples/sensevoice/sensevoice_small_onnx_quant_deploy.sh # 给脚本添加执行权限 chmod +x sensevoice_small_onnx_quant_deploy.sh

3.2 运行部署脚本

运行这个脚本，它会自动完成所有繁重的工作：创建Python虚拟环境、安装PyTorch等依赖、下载模型文件、配置Web服务。

# 执行部署脚本 ./sensevoice_small_onnx_quant_deploy.sh

这个过程需要一些时间，具体取决于你的网速。脚本会输出大量信息，只要没有报错（红色ERROR）中断，就让它自己运行。它会：

1. 安装Miniconda（一个Python环境管理工具）。
2. 创建一个名为torch29的独立Python环境。
3. 在这个环境里安装PyTorch、Gradio（用于创建Web界面）等所有必需的库。
4. 从ModelScope社区下载预量化好的SenseVoice-small模型文件。
5. 配置Supervisor（一个进程管理工具）来托管Web服务，并设置开机自启动。

3.3 检查部署状态

脚本运行完毕后，我们需要确认服务是否正常启动。

# 检查Supervisor管理的服务状态 supervisorctl status

如果看到sensevoice:sensevoice-webui RUNNING的字样，恭喜你，核心服务已经跑起来了！

4. 第三步：在Windows中访问并使用Web界面

服务在WSL的Linux里运行，但我们可以在Windows的浏览器里直接使用它。

4.1 找到访问地址

在WSL2中，服务通常监听在0.0.0.0:7860这个地址。我们需要找到WSL2虚拟机的IP地址。

在Ubuntu终端里输入：

# 获取WSL2的IP地址 hostname -I

你会看到一个IP地址，通常是172.x.x.x这种格式。记下它，比如是172.25.123.45。

4.2 在浏览器中打开

打开你Windows上的Chrome、Edge等浏览器，在地址栏输入：

http://172.25.123.45:7860

请将172.25.123.45替换为你刚才记下的实际IP地址。

如果一切顺利，你将看到一个简洁的Web界面，标题是“SenseVoice 语音识别”。

4.3 界面功能速览

这个界面设计得很直观：

1. 上传音频：点击上传区域，可以选择你Windows电脑或WSL里的音频文件（MP3、WAV等格式）。
2. 实时录音：点击麦克风图标，授权浏览器使用麦克风后，可以直接说话录音。
3. 语言选择：默认是“auto”（自动检测），你也可以手动指定中文、英文、日语、粤语等。
4. 逆文本标准化：建议保持开启，它会智能地把“一百二十”转换成“120”。
5. 识别按钮：点击“🚀 开始识别”，稍等片刻，结果就会显示在下方的框里。

4.4 进行第一次识别测试

我们来做个快速测试，确保一切工作正常：

1. 在界面上点击“🎤 点击录音”。
2. 对着麦克风清晰地说一句：“今天天气真好，这是一个语音识别测试。”
3. 再次点击麦克风图标停止录音。
4. 点击“🚀 开始识别”。
5. 观察结果框，你应该能看到识别出的文字，以及检测到的语言（zh）、情感（可能是“中性”）和识别耗时。

成功了！你的本地语音识别工坊正式开业。

5. 第四步：日常使用与管理技巧

部署只是开始，掌握以下技巧能让它更好地为你服务。

5.1 文件互通：如何在WSL和Windows间传文件

WSL2的一个巨大优势是文件系统互通。

• 在WSL中访问Windows文件：你的Windows的C盘、D盘等，在WSL里位于/mnt/c/,/mnt/d/目录下。例如，你想识别C:\Users\YourName\Downloads\meeting.mp3这个文件，在Web界面上传时，理论上你可以从/mnt/c/Users/YourName/Downloads/路径找到它。但更简单的方法是：
• 在Windows中访问WSL文件：在Windows文件资源管理器的地址栏直接输入\\wsl$\Ubuntu（如果你安装的是Ubuntu），回车后就能像访问网络驱动器一样访问WSL里的家目录（/home/你的用户名/）。你可以把要识别的音频文件直接复制进去。

最推荐的实践：在WSL里创建一个专门放音频的文件夹，然后通过Windows资源管理器把文件拖进去。

# 在WSL中创建文件夹 mkdir -p ~/audio_files

以后你就可以把音频文件拖到Windows资源管理器的\\wsl$\Ubuntu\home\ai_user\audio_files里，然后在Web界面上传~/audio_files/下的文件。

5.2 服务管理命令

如果Web页面打不开，或者你想重启服务，可以回到Ubuntu终端操作：

# 查看服务状态 supervisorctl status # 重启Web服务（修改配置后常用） supervisorctl restart sensevoice:sensevoice-webui # 停止服务 supervisorctl stop sensevoice:sensevoice-webui # 启动服务 supervisorctl start sensevoice:sensevoice-webui

5.3 查看运行日志

如果识别出错或服务异常，查看日志是排查问题的第一步。

# 实时查看最新的日志输出（按Ctrl+C退出） tail -f ~/sensevoice-small-语音识别-onnx/logs/webui.log # 查看最近100行日志 tail -n 100 ~/sensevoice-small-语音识别-onnx/logs/webui.log

6. 总结

回顾一下，我们完成了从零开始，在Windows系统上利用WSL2搭建本地SenseVoice-small语音识别服务的全过程。你获得了一个：

• 完全本地化的语音处理工具，无需网络，隐私无忧。
• 功能全面的助手，支持转写、情感识别、多语言。
• 使用便捷的Web应用，通过浏览器即可轻松操作。

这个轻量级部署方案，完美契合了文章开头提到的多种场景：个人离线助手、边缘计算原型、隐私敏感应用的开发测试环境。它为你打开了一扇门，让你能以极低的成本，在熟悉的Windows环境下探索和集成先进的语音AI能力。

下次当你需要处理一段音频时，不必再寻找在线的、可能有隐私顾虑的服务。打开浏览器，访问本地的http://172.x.x.x:7860，你私人的、高效的语音识别专家随时待命。

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。