tiny-audio

25 美元训出带时间戳和说话人分离的语音转文字

开源 freemium 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 153

维护状态活跃

是否开源是

定价模式 freemium

项目预览

项目数据

分类语音识别

开发团队alexkroman

所属国家

官网地址

GitHubhttps://github.com/alexkroman/tiny-audio

定价模式freemium

价格说明训练成本约$25，提供免费在线Demo和免费课程，开源代码可自部署

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型asr,audio-llm,forced-alignment,huggingface,llm,lora,multimodal,pipecat,pytorch,qwen,runpod,speaker-diarization,speech-llm,speech-recognition,speech-to-text,transformers,turn-detection,tutorial,voice-ai,word-timestamps

GitHub 星标★ 153

30天Star增速

HF 下载量

上线时间2025-10-14 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-11

浏览次数0

项目介绍

tiny-audio 是一个低成本语音转文字（ASR）系统，核心思路是把冻结的语音编码器与 Qwen 大语言模型通过一个小型可训练投影层连接起来，训练成本约 25 美元。它解决的是传统 ASR 模型训练昂贵、部署复杂的问题，让个人开发者也能在有限预算下获得带词级时间戳和说话人分离的转录能力。项目提供批量 HTTP 服务器、实时演示和免费课程，技术栈基于 PyTorch、HuggingFace、LoRA 和 RunPod，支持多模态音频-语言建模。适合需要自定义语音识别、又不想从零训练大模型的场景。