CrispASR

C++ 本地跑多款语音模型,离线转录不用 Python

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 124 🐛 待处理 14 👀 关注 6
GitHub ↗
GitHub 星标 ★ 813
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,基于ggml的本地推理运行时

项目预览

CrispASR 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CrispStrobe
定价模式🏷️完全免费
价格说明开源免费,基于ggml的本地推理运行时
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MIT
主要语言C++
技术栈/模型cohere-transcribe,cohere-transcribe-03-2026,ggml,parakeet,speech-recognition,speech-to-text,stt,transcription,voxtral,whisper-cpp
GitHub 星标★ 813
上线时间2026-03-29 00:00:00
代码更新2026-11-15
仓库体积229.1 MB
本站数据更新2026-11-15
维护状态活跃
收录时间2026-10-02
浏览次数12

项目介绍

CrispASR 是一个基于 C++ 和 ggml 推理框架的语音识别与合成运行时中心,目标是把多种主流开源 ASR/TTS 模型统一到一个轻量、跨平台、无需 Python 依赖的本地推理引擎中。它支持 Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等模型,还提供通用强制对齐能力,可用于给已有文本和音频打时间戳。项目解决的核心问题是:现有语音模型往往依赖 PyTorch、CUDA 或庞大 Python 环境,部署到桌面、边缘设备或嵌入式场景很麻烦。CrispASR 用 ggml 把模型量化后跑在 CPU 或轻量 GPU 上,提供统一接口,方便开发者做离线转录、字幕生成、语音助手和多语言识别。对于想避开 Python 生态、追求低延迟和可移植性的 C++ 项目来说,它是一个值得关注的集成方案。

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 2026-10-02 · 当前星标 ★ 813

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 35 分钟 部署方式:本地安装 4 步

环境要求

  • C++ 编译器
  • CMake
  • 4G 内存以上

安装与启动步骤

  1. 1克隆

    从 whisper.cpp 分出来的统一语音引擎,含 ASR 与 TTS。

    git clone https://github.com/crispstrobe/CrispASR.git
    cd CrispASR
  2. 2编译

    ggml 系项目,走 CMake。

    cmake -B build && cmake --build build -j
  3. 3下模型

    按 README 拿 ggml 格式的权重。

    ls models
  4. 4跑一次转写

    先测 ASR,再测 TTS。

    ./build/bin/crispasr -m models/ggml-base.bin -f audio.wav

如何确认成功

转写输出文本与音频内容一致,CPU 也能跑。

注意事项

  • 一个二进制支持多种架构是它的核心卖点。
  • 量化模型体积小很多,精度损失可接受。
  • TTS 部分较新,遇到问题先看 issues。

核心亮点

  • 基于 ggml 纯 C++ 推理,不依赖 PyTorch/Python,方便嵌入桌面和边缘设备
  • 一个运行时聚合 Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等多款模型,切换成本低
  • 额外提供通用强制对齐,能直接给音频和文本生成时间戳,省去单独工具链

不足之处

  • 项目处于早期,模型覆盖和接口稳定性可能随版本变化
  • 文档和社区生态相对较小,遇到问题可参考的案例有限

适用场景

  • 离线会议录音转文字,保护隐私且无需联网
  • 为视频或播客批量生成带时间戳的字幕文件
  • 在 C++ 桌面应用或边缘设备中集成多语言语音识别能力

替代项目

whisper.cpp、sherpa-onnx、faster-whisper

上一篇:AsrServe

下一篇:NeMo-text-processing

同类项目推荐

fstalign 开源

快速算 WER,逐词对齐看清识别错在哪

An efficient OpenFST-based tool for calculating WER and aligning two transcript sequ···

★ 170 2026-11-11
WhisperTimeSync 开源

给 Whisper 字幕校准时间轴,让字幕精准同步

Synchronize Whisper's timestamps over an existing accurate transcription

★ 168 2026-08-09
whisper.rn 开源

手机端离线跑 Whisper,语音转文字不联网

React Native binding of whisper.cpp.

★ 810 2026-09-23
wenet 开源

开箱即用的生产级语音识别,从训练到部署一步到位

Production First and Production Ready End-to-End Speech Recognition Toolkit

★ 5256 2026-09-04
TheWhisper 开源

让 Whisper 在本地设备上边听边转,低延迟出字幕

Optimized Whisper models for streaming and on-device use

★ 903 2026-10-03
LiveWhisper 开源

让 Whisper 实时出字,终端语音输入即说即显

A nearly-live implementation of OpenAI's Whisper, using sounddevice. Requires existi···

★ 362 2026-08-09
simple-obs-stt 开源

直播时自动生成实时字幕,直接叠加到 OBS 画面

Speech-to-text and keyboard input captions for OBS.

★ 105 2026-08-09
HoldSpeak 开源

按住说话,本地转文字,会议也能记

Cross-platform local voice typing and meeting transcription for macOS and Linux.

★ 248 2026-09-24
moys-asr-workflow 开源

音频一键转字幕,工作流里直接校对导出

阿墨的字幕工作台:Moy 的 ASR 字幕转写工作流(简称 MAW)

★ 598 2026-10-02