sherpa-onnx 离线语音识别pip 一行安装5 分钟本地跑通 ASR 和 TTS【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx一句话定位sherpa-onnx 让开发者和产品团队在离线场景下用 onnxruntime 在本地设备上完成语音识别ASR、文本转语音TTS、说话人分离等任务数据不出设备、无需联网。技术上它把新一代 Kaldi 的声学模型导出为 ONNX推理端只依赖 onnxruntime所以能同时跑在 Android、iOS、Linux 桌面、树莓派、RISC-V 服务器甚至 RK/昇腾 NPU 上覆盖 Python、C、Go、Java 等 12 种语言。先看它能干什么给视频出字幕你只需要一段本地音频和一个离线识别模型就能批量转写出文字和时间戳全程不上传云端。仓库里的 generate-subtitles.py 就是这个用法。实时转写 App你只需要用 Flutter 或 Tauri 模板接上麦克风就能做出 Android/iOS/桌面多平台通用的流式识别 App模板在 flutter-examples/ 和 tauri-examples/。完全离线的 TTS 应用你只需要选一个 VITS/Piper 模型就能让设备本地朗读文字中英双语可用演示 App 在 flutter-examples/tts。五分钟跑通最小路径第 1 步装包。一行命令装好 Python 包pip install sherpa-onnx第 2 步下模型。从项目 releases 下载一个预训练包并解压这里以 SenseVoice 中文模型为例之后所有路径都指向这个解压目录需要克隆仓库时地址是 https://gitcode.com/GitHub_Trending/sh/sherpa-onnx tar xvf sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17.tar.bz2第 3 步写 8 行代码。下面是完整的最小识别流程import sherpa_onnx, wave, numpy as np recognizer sherpa_onnx.OfflineRecognizer.from_sense_voice( modelyour-model-dir/model.onnx, tokensyour-model-dir/tokens.txt, ) with wave.open(your-audio.wav) as f: samples np.frombuffer(f.readframes(f.getnframes()), dtypenp.int16) s recognizer.create_stream() s.accept_waveform(f.getframerate(), samples / 32768) recognizer.decode_stream(s) print(s.result.text)控制台输出就是识别出的文本比如今天天气不错。仓库里 python-api-examples/ 还有几十个可直接运行的脚本换模型时改参数即可。常见卡点与取舍模型架构不匹配from_sense_voice只认 SenseVoice 模型换成 Whisper 就要改用from_whisper——解法是对照你下的模型名选对应的from_*工厂方法。流式 vs 离线选反要边说边出字就选流式模型如 streaming-zipformer转写完整文件用离线模型即可。原因流式模型延迟低但精度略逊。音频格式不对wav 必须是单声道、16-bit采样率 8k/16k 都接受库会自动重采样别传双声道 MP3。什么时候换方案你需要 LLM 级别的语义纠错或云端 GPU 并发服务时sherpa-onnx 不合适它就是为离线、隐私、多端部署这三个词而生的。周边与延伸训练侧分工模型由新一代 Kaldi 和 WeNet 训练、再导出 ONNXsherpa-onnx 只管端侧推理相当于训练归上游部署归它。浏览器场景wasm/ 提供 WebAssembly 版把同一个模型编译到浏览器里跑纯前端的语音识别不用在服务器上装任何东西。收尾适合离线推理、数据敏感、多平台多语言、低延迟端侧应用不适合需要大模型语义理解、或依赖云端 GPU 高并发服务的场景。【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 sherpa-onnx 离线语音识别：pip 一行安装，5 分钟本地跑通 ASR 和 TTS
sherpa-onnx 离线语音识别pip 一行安装5 分钟本地跑通 ASR 和 TTS【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx一句话定位sherpa-onnx 让开发者和产品团队在离线场景下用 onnxruntime 在本地设备上完成语音识别ASR、文本转语音TTS、说话人分离等任务数据不出设备、无需联网。技术上它把新一代 Kaldi 的声学模型导出为 ONNX推理端只依赖 onnxruntime所以能同时跑在 Android、iOS、Linux 桌面、树莓派、RISC-V 服务器甚至 RK/昇腾 NPU 上覆盖 Python、C、Go、Java 等 12 种语言。先看它能干什么给视频出字幕你只需要一段本地音频和一个离线识别模型就能批量转写出文字和时间戳全程不上传云端。仓库里的 generate-subtitles.py 就是这个用法。实时转写 App你只需要用 Flutter 或 Tauri 模板接上麦克风就能做出 Android/iOS/桌面多平台通用的流式识别 App模板在 flutter-examples/ 和 tauri-examples/。完全离线的 TTS 应用你只需要选一个 VITS/Piper 模型就能让设备本地朗读文字中英双语可用演示 App 在 flutter-examples/tts。五分钟跑通最小路径第 1 步装包。一行命令装好 Python 包pip install sherpa-onnx第 2 步下模型。从项目 releases 下载一个预训练包并解压这里以 SenseVoice 中文模型为例之后所有路径都指向这个解压目录需要克隆仓库时地址是 https://gitcode.com/GitHub_Trending/sh/sherpa-onnx tar xvf sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17.tar.bz2第 3 步写 8 行代码。下面是完整的最小识别流程import sherpa_onnx, wave, numpy as np recognizer sherpa_onnx.OfflineRecognizer.from_sense_voice( modelyour-model-dir/model.onnx, tokensyour-model-dir/tokens.txt, ) with wave.open(your-audio.wav) as f: samples np.frombuffer(f.readframes(f.getnframes()), dtypenp.int16) s recognizer.create_stream() s.accept_waveform(f.getframerate(), samples / 32768) recognizer.decode_stream(s) print(s.result.text)控制台输出就是识别出的文本比如今天天气不错。仓库里 python-api-examples/ 还有几十个可直接运行的脚本换模型时改参数即可。常见卡点与取舍模型架构不匹配from_sense_voice只认 SenseVoice 模型换成 Whisper 就要改用from_whisper——解法是对照你下的模型名选对应的from_*工厂方法。流式 vs 离线选反要边说边出字就选流式模型如 streaming-zipformer转写完整文件用离线模型即可。原因流式模型延迟低但精度略逊。音频格式不对wav 必须是单声道、16-bit采样率 8k/16k 都接受库会自动重采样别传双声道 MP3。什么时候换方案你需要 LLM 级别的语义纠错或云端 GPU 并发服务时sherpa-onnx 不合适它就是为离线、隐私、多端部署这三个词而生的。周边与延伸训练侧分工模型由新一代 Kaldi 和 WeNet 训练、再导出 ONNXsherpa-onnx 只管端侧推理相当于训练归上游部署归它。浏览器场景wasm/ 提供 WebAssembly 版把同一个模型编译到浏览器里跑纯前端的语音识别不用在服务器上装任何东西。收尾适合离线推理、数据敏感、多平台多语言、低延迟端侧应用不适合需要大模型语义理解、或依赖云端 GPU 高并发服务的场景。【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考