
CrispASR
C++ 本地跑多款语音模型,离线转录不用 Python
项目预览
项目数据
项目介绍
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。
环境要求
- C++ 编译器
- CMake
- 4G 内存以上
安装与启动步骤
-
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编译
ggml 系项目,走 CMake。
cmake -B build && cmake --build build -j -
3下模型
按 README 拿 ggml 格式的权重。
ls models -
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
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···
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
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.
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
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
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···
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.
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.
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)