五分钟跑通离线语音识别与本地文本转语音sherpa-onnx 完整教程【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车机系统要在离线状态下听懂语音办公内网限制访问外网服务录音资料又不能离开设备——这些时刻你需要的是一套不依赖云端的语音引擎。sherpa-onnx 就是其中之一离线语音识别、本地文本转语音、说话人识别全部在本地处理无需联网。为什么选 sherpa-onnx项目的底座是 next-gen Kaldi但运行时不依赖任何训练端的重型组件模型统一导出为 ONNX 格式由 onnxruntime 在设备本地完成推理。整条链路没有网络往返——音频不出设备结果在毫秒到秒级内返回也不存在按次计费的问题。这意味着在一块树莓派上跑识别体验和调用云端 API 接近区别只在于断网之后它照样工作。平台覆盖来自官方 README平台覆盖情况Android / WearOSx64、x86、arm64、arm32iOSarm64Windows / macOSx64、x86、arm64Linuxx86_64 服务器、树莓派等x64、x86、arm64、arm32、riscv64RISC-VVisionFive 2、SpacemiT 等riscv64HarmonyOSarm64语言与框架支持维度支持情况12 种语言C、C、Python、Go、C#、Java、Kotlin、Swift、Dart、Rust、JavaScript、Pascal框架Flutter、Tauri、NodeJS、WebAssemblyNPU 加速瑞芯微 RK NPU、高通 QNN、昇腾 NPU、爱芯元启 NPU上图是官方 Flutter 示例输入一段中文本地合成语音并直接给出 RTF实时率全程离线完成。五分钟上手 安装依赖pip install sherpa-onnx准备模型从项目的 release 包中下载所需的 ONNX 模型如 sense-voice、paraformer、whisper连同对应的 tokens.txt 放到设备上写代码import sherpa_onnx config sherpa_onnx.OfflineRecognizerConfig( feat_configsherpa_onnx.FeatureConfig(sample_rate16000, feature_dim80), model_configsherpa_onnx.OfflineModelConfig( sense_voicesherpa_onnx.OfflineSenseVoiceModelConfig(modelmodel.onnx), tokenstokens.txt, ), ) recognizer sherpa_onnx.OfflineRecognizer(config) stream recognizer.create_stream(audio.wav) # 16k 采样的 wav 文件路径 recognizer.decode(stream) print(stream.result.text)实时场景则换成流式接口分块喂入麦克风音频即可增量出字python-api-examples/ 目录下有覆盖识别、合成、VAD 的完整示例照抄就能跑。能帮你做什么智能家居语音控制。对连接树莓派的音箱说一句开灯设备在本地完成识别并执行指令音频全程不上传。sherpa-onnx 适合这类场景识别不依赖网络树莓派的算力就够且没有按次调用的云端费用。能开口说话的语音助手。流式 ASR 实时转写用户说的话本地文本转语音合成答复再加说话人识别区分谁在说话让不同家庭成员得到不同配置。整套链路在受限网络里照样完整可用。发音练习陪练。学生录下自己的读音离线转写后与标准文本逐字比对、给出评分。教育场景里音频不出内网隐私天然有保障onnxruntime 在普通电脑上就能跑部署成本很低。落到设备上的调优 模型选型先用小模型十几 M 参数的流式模型验证流程精度不够再上大的项目提供大量 int8 量化版本内存占用大致减半多语言支持SenseVoice 一个模型覆盖中、英、日、韩、粤需要更广语种时用多语言 Whisper无需自己训练嵌入式 CPU/内存线程数设为实际核心数Cortex-A7 这类弱 CPU 选带 14M/20M 字样的模型并先用 silero-vad 切掉静音段再识别能省掉大量无效计算有 NPU 就卸载瑞芯微 RK3588、昇腾等板卡可把推理放到 NPU进一步压低实时率值得了解的生态WeNet开源端到端语音识别工具包是许多可在 sherpa-onnx 上运行的模型的来源训练、导出到 ONNX 的路径已铺好SenseVoiceFunAudio 的极速多语言识别模型借 sherpa-onnx 直接跑在手机和开发板上还附带情感与事件检测Triton高性能推理服务框架补上服务端高并发这块拼图同一批 ONNX 模型可部署上去做批量推理想最快看到效果就pip install sherpa-onnx后直接跑 python-api-examples/ 里的离线识别示例要做手机应用则从 android/ 或 flutter-examples/ 的预编译 Demo 装进设备先体验一轮再回来改代码。【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