pocketsphinx

离线轻量语音识别,嵌入式设备也能实时听懂人话

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 语音识别 🍴 复刻 728 🐛 待处理 41 👀 关注 153
GitHub ↗
GitHub 星标 ★ 4352
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源语音识别库,完全免费,需自行部署。

项目预览

pocketsphinx 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类语音识别
开发团队cmusphinx
定价模式🏷️完全免费
价格说明开源语音识别库,完全免费,需自行部署。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
主要语言C
技术栈/模型c,python,speech-recognition
GitHub 星标★ 4352
上线时间2014-04-07 00:00:00
代码更新2026-10-13
仓库体积207.0 MB
本站数据更新2026-11-09
维护状态较活跃
收录时间2026-08-10
浏览次数6

项目介绍

PocketSphinx 是一个轻量级的嵌入式语音识别库,基于 CMU Sphinx 项目发展而来,专为资源受限环境设计。它解决在移动设备、嵌入式系统或离线场景下实现实时语音转文字的问题,无需依赖云端服务。核心能力包括:支持小词汇量和大词汇量的连续语音识别,提供声学模型和语言模型的训练与加载接口,具备麦克风实时识别和音频文件批处理功能。其 C 语言核心保证高性能和低内存占用,同时提供 Python 绑定,方便快速原型开发。项目包含完整的文档和示例,适合开发者集成到智能家居、机器人、车载系统等应用中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 4352

技术标签

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 20 分钟 部署方式:本地安装 5 步

环境要求

  • CMake 构建工具(README 说明使用 CMake 构建,支持 Linux 和 Windows)
  • C 编译器(项目为 C 语言核心)
  • Debian/Ubuntu 系统可安装示例依赖:ffmpeg、libasound2-dev、libportaudio2、libportaudiocpp0
  • Python 绑定需 Python 环境(README 提及提供 Python 绑定)

安装与启动步骤

  1. 1安装系统依赖

    Debian/Ubuntu 及其衍生系统(如树莓派 OS)安装示例代码所需依赖,非构建必需但建议安装。

    sudo apt install \
        ffmpeg \
        libasound2-dev \
        libportaudio2 \
        libportaudiocpp0
  2. 2获取源码

    从 GitHub 克隆 PocketSphinx 仓库到本地,README 未给出具体命令,此处为通用做法。

    git clone https://github.com/cmusphinx/pocketsphinx.git
  3. 3CMake 配置构建

    README 说明使用 CMake 构建,先在源码目录创建构建目录并运行 cmake 生成构建文件。

    cd pocketsphinx
    mkdir build
    cd build
    cmake ..
  4. 4编译项目

    运行 make 编译 C 核心库,README 未列出具体编译命令,此为 CMake 标准流程。

    make
  5. 5安装库

    将编译产物安装到系统目录,README 未明确给出安装命令,按 CMake 惯例执行。

    sudo make install

如何确认成功

README 未说明验证方式,可运行项目自带示例或检查识别功能是否正常。

常见问题

Q:还需要安装 SphinxBase 吗?

A:不需要。README 明确说明已不再依赖 SphinxBase,SphinxBase 已不存在。

Q:Windows 和 macOS 支持如何?

A:README 称 CMake 在 Linux 和 Windows 上表现合理,但未确认 macOS 支持情况。

Q:音频库需要单独安装吗?

A:不需要。旧版音频库已被移除,因其在各平台都无法正确构建或工作。

注意事项

  • README 未提供完整的构建与安装命令,上述步骤基于 CMake 常规流程推断,请以实际仓库为准。
  • 项目算法和模型较为古老(部分可追溯至 1970 年代),但胜在紧凑高效。
  • 版本号较大是因为曾有过 5prealpha 版本,今后将遵循语义版本规范。

核心亮点

  • 纯 C 实现,内存占用极低,适合树莓派等嵌入式设备
  • 支持实时麦克风输入和离线识别,无需联网保护隐私
  • 提供 Python API,快速集成到现有脚本和 AI 流程

不足之处

  • 识别准确率相比云端大模型(如 Whisper)有明显差距
  • 配置声学模型和语言模型门槛较高,需一定语音领域知识

适用场景

  • 智能家居离线语音控制(如开关灯、调节温度)
  • 机器人或车载系统的本地语音指令识别
  • 隐私敏感场景的语音转写(如医疗、会议记录)

替代项目

Vosk、Whisper.cpp、Kaldi

上一篇:porcupine

下一篇:whisper-asr-webservice

同类项目推荐

OBS-captions-plugin 开源

OBS 直播自动生成实时字幕,静音观众也能看懂

Closed Captioning OBS plugin using Google Speech Recognition

★ 1348 2026-10-01
TranscriberBot 开源

把 Telegram 语音秒变文字,会议记录不用愁

TranscriberBot for Telegram

★ 293 2026-08-09
react-native-spokestack 开源

给 React Native 应用加上语音交互,一句话搞定识别、合成和理解

Spokestack: give your React Native app a voice interface!

★ 60 2026-08-09
whisper-clip 开源

按一下按钮,说话自动变文字并进剪贴板

WhisperClip simplifies your life by automatically transcribing audio recordings and ···

★ 138 2026-09-15
Voconly 开源

开口说话,本地离线转成干净文字

本地优先 AI 语音输入工具 | Local-first AI voice typing tool. 支持 Whisper/SenseVoice···

★ 154 2026-10-11
voxtral-mini-realtime-rs 开源

在浏览器或本地用 Rust 跑实时语音识别与合成

Voxtral ASR & TTS running natively and in the browser. A Rust implementation of Mist···

★ 826 2026-08-09
openless 开源

按住说话,松开即得润色文字,全应用通用

Hold a key, speak, release — AI-polished text appears at your cursor in any app. Op···

★ 4063 2026-08-09
AriaType 开源

动口不动手,本地语音输入秒变文字,跨应用高效干活

Voice-driven writing, input, and cross-app work for your desktop.

★ 95 2026-08-09