音識(shí)別 5 分鐘跑通：20+ 語(yǔ)言、流式識(shí)別、說(shuō)話人識(shí)別全都有)
Vosk 離線語(yǔ)音識(shí)別 5 分鐘跑通20 語(yǔ)言、流式識(shí)別、說(shuō)話人識(shí)別全都有【免費(fèi)下載鏈接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/vosk-apiVosk 是一個(gè)完全在本地運(yùn)行的離線語(yǔ)音識(shí)別工具包模型約 50MB裝上就能把英語(yǔ)、中文、日語(yǔ)等 20 多種語(yǔ)言的音頻轉(zhuǎn)成文字全程不聯(lián)網(wǎng)。識(shí)別結(jié)果不出設(shè)備流式 API 延遲極低同一套代碼從樹(shù)莓派、Android 手機(jī)一直能用到服務(wù)器集群。為什么先考慮離線語(yǔ)音識(shí)別很多場(chǎng)景里把音頻發(fā)到云端換文字既慢又不合適數(shù)據(jù)不出設(shè)備醫(yī)療記錄、會(huì)議錄音這類敏感音頻本地處理最穩(wěn)妥實(shí)時(shí)性基于流式 API 邊收音邊出結(jié)果適合實(shí)時(shí)字幕、語(yǔ)音助手可用性斷網(wǎng)環(huán)境照常工作也沒(méi)有 API 調(diào)用成本最小上手路徑模型下載與放置位置整條鏈路分三步裝庫(kù)、放模型、喂音頻。git clone https://gitcode.com/GitHub_Trending/vo/vosk-api pip install vosk模型的放置有三種方式見(jiàn) python/example/test_simple.py 的注釋Model(langen-us)首次調(diào)用自動(dòng)下載并緩存Model(model_namevosk-model-en-us-0.21)按名稱加載Model(models/en)直接指向你手動(dòng)解壓的本地目錄。核心調(diào)用不到十行下面是簡(jiǎn)化版 demofrom vosk import Model, KaldiRecognizer, SetLogLevel SetLogLevel(-1) model Model(langen-us) # 首次運(yùn)行自動(dòng)下載模型 rec KaldiRecognizer(model, 16000) rec.SetWords(True) # 輸出詞級(jí)時(shí)間戳輸入音頻要求是 16kHz、單聲道、16-bit PCM 的 WAV 文件。完整寫法直接看 python/example/ 目錄里面有 17 個(gè)示例腳本。能力細(xì)節(jié)逐項(xiàng)展開(kāi)流式識(shí)別。調(diào)用rec.AcceptWaveform(data)分段喂音頻PartialResult()返回中間結(jié)果Result()返回整段終稿。開(kāi)著SetWords(True)后每個(gè)詞都帶 start/end 時(shí)間戳和置信度做實(shí)時(shí)字幕就靠這個(gè)。字幕生成。python/example/test_srt.py 輸出 SRTtest_webvtt.py 輸出 WebVTT。命令行場(chǎng)景可以直接用內(nèi)置 transcriberpython -m vosk.transcriber -m vosk-model-en-us-0.21 input.wav -o out.srt它內(nèi)部會(huì)調(diào) ffmpeg 重采樣輸出支持 srt、txt、json 三種格式源碼在 python/vosk/transcriber/。批量處理。test_gpu_batch.py 演示多 worker 批量識(shí)別go/batch_example/ 是 Go 版對(duì)照示例。說(shuō)話人識(shí)別。test_speaker.py 里用SpkModel加載聲紋模型識(shí)別結(jié)果中會(huì)帶spk字段拿余弦距離和庫(kù)里存的指紋比對(duì)就能區(qū)分是誰(shuí)在說(shuō)話。多語(yǔ)言綁定按技術(shù)棧選目錄倉(cāng)庫(kù)給每種語(yǔ)言都留了目錄選對(duì)應(yīng)入口即可目錄說(shuō)明python/綁定最全example/ 下示例最多java/ 和 android/Java 庫(kù)加 Android 服務(wù)封裝SpeechService.java 處理錄音權(quán)限和生命周期kotlin/Kotlin Multiplatform 綁定覆蓋 jvm/android/native 三個(gè)目標(biāo)nodejs/demo/ 里有麥克風(fēng)、ffmpeg 轉(zhuǎn)流、說(shuō)話人識(shí)別示例csharp/附帶 nuget/ 下的 NuGet 打包配置go/通過(guò) CGO 綁定example/ 是最小 demosrc/C 核心vosk_api.h就是全部 C 接口選型與避坑清單注意這幾處能少走很多彎路WAV 格式不達(dá)標(biāo)會(huì)直接退出非單聲道 16-bit PCM 的輸入示例腳本會(huì)報(bào)錯(cuò)終止。手頭是 mp3 就用 ffmpeg 轉(zhuǎn)test_ffmpeg.py 給了現(xiàn)成命令模型大小標(biāo)準(zhǔn)模型約 50MB內(nèi)存緊張的設(shè)備樹(shù)莓派、手機(jī)優(yōu)先考慮這個(gè)量級(jí)追求準(zhǔn)確率再上大模型日志開(kāi)關(guān)SetLogLevel(-1)關(guān)掉調(diào)試輸出生產(chǎn)環(huán)境建議加上Go 批量示例libvosk.so必須在庫(kù)路徑里否則會(huì)加載失敗見(jiàn) go/batch_example/README.md說(shuō)話人識(shí)別短于 4 秒的語(yǔ)音片段x-vector 指紋不可靠test_speaker.py末尾專門注明了這一點(diǎn)項(xiàng)目入口導(dǎo)航跑示例、抄代碼python/example/看核心實(shí)現(xiàn)src/ 下的recognizer.cc、model.cc自訓(xùn)語(yǔ)言模型training/基于 Kaldi 的訓(xùn)練腳本跨平臺(tái)構(gòu)建CMakeLists.txt 和 travis/ 里的 Docker 構(gòu)建腳本建議下一步先用本地音頻跑一遍 python/example/test_simple.py確認(rèn)鏈路通了再讀 test_srt.py 接字幕輸出?！久赓M(fèi)下載鏈接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 Vosk 離線語(yǔ)音識(shí)別 5 分鐘跑通：20+ 語(yǔ)言、流式識(shí)別、說(shuō)話人識(shí)別全都有
Vosk 離線語(yǔ)音識(shí)別 5 分鐘跑通20 語(yǔ)言、流式識(shí)別、說(shuō)話人識(shí)別全都有【免費(fèi)下載鏈接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/vosk-apiVosk 是一個(gè)完全在本地運(yùn)行的離線語(yǔ)音識(shí)別工具包模型約 50MB裝上就能把英語(yǔ)、中文、日語(yǔ)等 20 多種語(yǔ)言的音頻轉(zhuǎn)成文字全程不聯(lián)網(wǎng)。識(shí)別結(jié)果不出設(shè)備流式 API 延遲極低同一套代碼從樹(shù)莓派、Android 手機(jī)一直能用到服務(wù)器集群。為什么先考慮離線語(yǔ)音識(shí)別很多場(chǎng)景里把音頻發(fā)到云端換文字既慢又不合適數(shù)據(jù)不出設(shè)備醫(yī)療記錄、會(huì)議錄音這類敏感音頻本地處理最穩(wěn)妥實(shí)時(shí)性基于流式 API 邊收音邊出結(jié)果適合實(shí)時(shí)字幕、語(yǔ)音助手可用性斷網(wǎng)環(huán)境照常工作也沒(méi)有 API 調(diào)用成本最小上手路徑模型下載與放置位置整條鏈路分三步裝庫(kù)、放模型、喂音頻。git clone https://gitcode.com/GitHub_Trending/vo/vosk-api pip install vosk模型的放置有三種方式見(jiàn) python/example/test_simple.py 的注釋Model(langen-us)首次調(diào)用自動(dòng)下載并緩存Model(model_namevosk-model-en-us-0.21)按名稱加載Model(models/en)直接指向你手動(dòng)解壓的本地目錄。核心調(diào)用不到十行下面是簡(jiǎn)化版 demofrom vosk import Model, KaldiRecognizer, SetLogLevel SetLogLevel(-1) model Model(langen-us) # 首次運(yùn)行自動(dòng)下載模型 rec KaldiRecognizer(model, 16000) rec.SetWords(True) # 輸出詞級(jí)時(shí)間戳輸入音頻要求是 16kHz、單聲道、16-bit PCM 的 WAV 文件。完整寫法直接看 python/example/ 目錄里面有 17 個(gè)示例腳本。能力細(xì)節(jié)逐項(xiàng)展開(kāi)流式識(shí)別。調(diào)用rec.AcceptWaveform(data)分段喂音頻PartialResult()返回中間結(jié)果Result()返回整段終稿。開(kāi)著SetWords(True)后每個(gè)詞都帶 start/end 時(shí)間戳和置信度做實(shí)時(shí)字幕就靠這個(gè)。字幕生成。python/example/test_srt.py 輸出 SRTtest_webvtt.py 輸出 WebVTT。命令行場(chǎng)景可以直接用內(nèi)置 transcriberpython -m vosk.transcriber -m vosk-model-en-us-0.21 input.wav -o out.srt它內(nèi)部會(huì)調(diào) ffmpeg 重采樣輸出支持 srt、txt、json 三種格式源碼在 python/vosk/transcriber/。批量處理。test_gpu_batch.py 演示多 worker 批量識(shí)別go/batch_example/ 是 Go 版對(duì)照示例。說(shuō)話人識(shí)別。test_speaker.py 里用SpkModel加載聲紋模型識(shí)別結(jié)果中會(huì)帶spk字段拿余弦距離和庫(kù)里存的指紋比對(duì)就能區(qū)分是誰(shuí)在說(shuō)話。多語(yǔ)言綁定按技術(shù)棧選目錄倉(cāng)庫(kù)給每種語(yǔ)言都留了目錄選對(duì)應(yīng)入口即可目錄說(shuō)明python/綁定最全example/ 下示例最多java/ 和 android/Java 庫(kù)加 Android 服務(wù)封裝SpeechService.java 處理錄音權(quán)限和生命周期kotlin/Kotlin Multiplatform 綁定覆蓋 jvm/android/native 三個(gè)目標(biāo)nodejs/demo/ 里有麥克風(fēng)、ffmpeg 轉(zhuǎn)流、說(shuō)話人識(shí)別示例csharp/附帶 nuget/ 下的 NuGet 打包配置go/通過(guò) CGO 綁定example/ 是最小 demosrc/C 核心vosk_api.h就是全部 C 接口選型與避坑清單注意這幾處能少走很多彎路WAV 格式不達(dá)標(biāo)會(huì)直接退出非單聲道 16-bit PCM 的輸入示例腳本會(huì)報(bào)錯(cuò)終止。手頭是 mp3 就用 ffmpeg 轉(zhuǎn)test_ffmpeg.py 給了現(xiàn)成命令模型大小標(biāo)準(zhǔn)模型約 50MB內(nèi)存緊張的設(shè)備樹(shù)莓派、手機(jī)優(yōu)先考慮這個(gè)量級(jí)追求準(zhǔn)確率再上大模型日志開(kāi)關(guān)SetLogLevel(-1)關(guān)掉調(diào)試輸出生產(chǎn)環(huán)境建議加上Go 批量示例libvosk.so必須在庫(kù)路徑里否則會(huì)加載失敗見(jiàn) go/batch_example/README.md說(shuō)話人識(shí)別短于 4 秒的語(yǔ)音片段x-vector 指紋不可靠test_speaker.py末尾專門注明了這一點(diǎn)項(xiàng)目入口導(dǎo)航跑示例、抄代碼python/example/看核心實(shí)現(xiàn)src/ 下的recognizer.cc、model.cc自訓(xùn)語(yǔ)言模型training/基于 Kaldi 的訓(xùn)練腳本跨平臺(tái)構(gòu)建CMakeLists.txt 和 travis/ 里的 Docker 構(gòu)建腳本建議下一步先用本地音頻跑一遍 python/example/test_simple.py確認(rèn)鏈路通了再讀 test_srt.py 接字幕輸出?！久赓M(fèi)下載鏈接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node項(xiàng)目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考