训练模型的时候总是报转入的语音是一个字符串类型没有size方法，但是语料在1.2.4版本是可以使用，现在使用的是1.2.7总是会有这个错误！！

[kamiyaya]

训练模型的时候总是报转入的语音是一个字符串类型没有size方法，但是语料在1.2.4版本是可以使用，现在使用的是1.2.7总是会有这个错误！！希望有大佬帮忙看下

[LauraGPT]

更正一下上一条回复：FunASR 1.2.x 的标准训练 JSONL 字段是 source，不是 audio_filepath。截图中的错误也不是 1.2.4 到 1.2.7 的数据格式迁移。

截图已经给出了关键线索：

wav_frontend.py, in forward
    batch_size = input.size(0)
AttributeError: 'str' object has no attribute 'size'

这里的 input 本应是音频 Tensor，却仍然是字符串。对于标准 AudioDataset，最常见且可以精确复现的原因是：JSONL 中 source 指向的音频文件对训练进程不可见，例如路径不存在、相对路径基准不对、容器没有挂载该目录，或者某个 DDP 节点看不到文件。

我下载并对比了官方 PyPI 的 FunASR 1.2.4 和 1.2.7 wheel：wav_frontend.py、AudioDataset 和 IndexDSJsonl 三个相关文件逐字节相同，音频加载分支也没有这项格式变化。用同一个真实 WAV 测试时，两版都返回 88,747 点的 Tensor；传入不存在的路径时，两版都会保留字符串，并复现与你截图完全相同的 AttributeError: 'str' object has no attribute 'size'。

先检查实际加载的是哪个 FunASR

截图路径是本地源码目录 .../FunASR-main/funasr/...，它可能覆盖了 pip 安装包。请先运行：

python -c 'import funasr; print(funasr.__version__); print(funasr.__file__)'

扫描训练 JSONL 中不可见的音频路径

请在与启动训练相同的工作目录和容器/节点环境中运行：

python - /absolute/path/to/train.jsonl <<'PY'
import json
import sys
from pathlib import Path

manifest = Path(sys.argv[1]).resolve()
bad = 0

with manifest.open(encoding="utf-8") as f:
    for line_no, line in enumerate(f, 1):
        row = json.loads(line)
        source = row.get("source")

        if not isinstance(source, str):
            print(f"line {line_no}: invalid source={source!r}")
            bad += 1
            continue
        if source.startswith(("http://", "https://")):
            continue

        path = Path(source).expanduser()
        # FunASR 1.2.x 按训练进程的 cwd 解析相对路径，不按 JSONL 所在目录解析。
        resolved = path if path.is_absolute() else Path.cwd() / path
        if not resolved.is_file():
            print(f"line {line_no}: missing {source!r} -> {resolved.resolve()}")
            bad += 1

print(f"bad sources: {bad}")
raise SystemExit(1 if bad else 0)
PY

如果训练参数指向的是“JSONL 文件列表”而不是单个 JSONL，请对列表中的每个 JSONL 分别执行检查。

若使用 DDP 或容器，请在每个节点/容器中检查；“登录节点存在”不代表训练 worker 也能看到。最稳妥的是把 source 写成所有 worker 都可访问的绝对路径。

标准行应类似：

{"key":"utt001","source":"/absolute/path/utt001.wav","source_len":350,"target":"转写文本","target_len":4}

不要手工猜长度，可以用官方转换器从 wav.scp 和 text 生成：

python -m funasr.datasets.audio_datasets.scp2jsonl \
  ++scp_file_list='["/absolute/path/wav.scp", "/absolute/path/text"]' \
  ++data_type_list='["source", "target"]' \
  ++jsonl_file_out=/absolute/path/train.jsonl

其中 wav.scp 每行是 utt_id /absolute/path/audio.wav，text 每行是 utt_id 转写文本，两个文件的 utt_id 必须对应。

当前版本

这个旧错误现在已有防护：PR #2981 已合入，FunASR 1.3.14 和当前 main 遇到不存在的本地音频路径时会在加载入口直接报：

FileNotFoundError: Audio file not found: '...'

因此建议升级到当前版本以得到清晰报错：

python -m pip install -U "funasr==1.3.14"

如果前面的 funasr.__file__ 仍指向旧的 FunASR-main 源码目录，pip 升级不会替换该目录；需要同步这个 checkout，或离开它再启动训练。

升级只能让错误更明确；真正需要修复的仍是 source 路径或挂载。若项目必须停留在 1.2.7，修正路径后即可继续，不需要改成 audio_filepath。

相关源码：当前音频加载保护、AudioDataset 加载 source、IndexDSJsonl 字段契约、官方 scp2jsonl 转换器。