vosk-api

离线语音识别，不用联网，隐私安全，本地秒转文字

vosk-api 是一个离线语音识别 API，支持 Android、iOS、Raspberry Pi 和服务器端，提供 Python、Java、C# 和 Node 等多种语言绑定。它基于 Kaldi 技术，解决了实时语音识别需要联网、依赖云服务的问题，让开发者可以在本地设备上实现低延迟、高隐私的语音转文字。核心能力包括流式识别、大词汇量支持、多语言模型（如中文、英文等），以及轻量级模型适配嵌入式设备。它特别适合网络不稳定或对数据隐私要求高的场景，如智能家居、车载系统、移动应用等。通过简单的 API 调用，开发者可以快速集成，无需深厚的机器学习背景。

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 15140

维护状态维护中

是否开源是

定价模式 free

项目数据

分类语音识别

开发团队alphacep

所属国家

官网地址

GitHubhttps://github.com/alphacep/vosk-api

定价模式free

价格说明开源项目，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型android,asr,deep-learning,deep-neural-networks,deepspeech,google-speech-to-text,ios,kaldi,offline,privacy,python,raspberry-pi,speaker-identification,speaker-verification,speech-recognition,speech-to-text,speech-to-text-android,stt,voice-recognition,vosk

GitHub 星标★ 15140

30天Star增速

HF 下载量

上线时间2019-09-03 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

使用教程

难度：入门约 20 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

准备目标语言的运行时环境（Python / Java / Node.JS / C# / C++ / Rust / Go 任选其一）
需要能访问 Vosk 官网 alphacephei.com/vosk 获取安装说明与示例
需要下载对应语言的语音模型（约 50Mb）
可选：Raspberry Pi、Android、iOS 等设备也可运行

安装与启动步骤

1阅读官方文档

README 未提供安装命令，明确指出安装说明、示例与文档请访问 Vosk 官网 alphacephei.com/vosk，先按官网指引操作。
2选择语言绑定

Vosk 提供 Python、Java、Node.JS、C#、C++、Rust、Go 等多种绑定，按你的项目语言选择对应实现。
3准备运行环境

按所选语言准备好对应的运行时或开发环境，再依照官网该语言章节完成安装。
4下载语音模型

在官网挑选所需语言的模型下载，模型体积约 50Mb，支持连续大词汇量转写，可按设备性能取舍。
5调用流式 API

按官网示例调用流式识别接口，它支持零延迟响应与可重配置词表，也可用于说话人识别。

如何确认成功

README 未给出具体验证命令；按官网示例运行一次流式识别，能实时返回转录文本即视为可用。

常见问题

Q：使用 Vosk 需要联网吗？

A：不需要。Vosk 是离线开源语音识别工具包，识别在本地设备完成，适合网络不稳定或对数据隐私要求高的场景。

Q：是否支持中文？

A：支持。README 列出中文在内 20 多种语言和方言，另有英语、德语、法语、西班牙语、俄语、日语等。

Q：模型有多大，能在小设备上跑吗？

A：官方描述模型约 50Mb，同时提供大词汇量连续转写，可从树莓派、安卓手机一直扩展到大型集群。

Q：支持哪些编程语言？

A：已实现 Python、Java、Node.JS、C#、C++、Rust、Go 等绑定，可按项目技术栈选择。

Q：为什么没有给出具体安装命令？

A：README 只指向 Vosk 官网获取安装说明，为避免误导，本教程未给出未经官方文档确认的命令。

注意事项

README 未包含任何安装命令，实际安装步骤请以 Vosk 官网 alphacephei.com/vosk 为准。
本教程步骤仅依据 README 可确认的信息整理，未虚构包名、端口或路径。
使用前需按目标语言下载对应模型，模型约 50Mb。
典型应用场景包括聊天机器人、智能家居、虚拟助手、影视字幕与讲座访谈转写。

核心亮点

完全离线运行，数据不出设备，隐私保护强
支持多语言和多种编程语言绑定，集成灵活
基于 Kaldi 的先进模型，识别准确率高，支持流式识别

不足之处

模型文件较大，对存储和内存有一定要求
文档和社区支持相对有限，新手入门有门槛

适用场景

移动应用语音输入（Android/iOS）
嵌入式设备（如树莓派）的语音控制
服务器端批量音频转写，无需云服务

替代项目

Mozilla DeepSpeech、Whisper (OpenAI)、PaddleSpeech

项目介绍

vosk-api 是语音识别领域的开源项目，由 alphacep 开发，2019 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（15,140）位列前 4%，在语音识别分类的 212 个项目里位列前 4%。

近 41 天，它的 GitHub 星标从 15,049 增加到 15,140，净增 91。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。完全免费，可自行部署使用。

它主要面向的使用场景是：移动应用语音输入（Android/iOS）。同类可对比的替代方案包括 Mozilla DeepSpeech、Whisper (OpenAI)、PaddleSpeech。

上一篇：FunASR

下一篇：SenseVoice