kaldi-active-grammar

解码中随时切换语法,让语音命令和听写自由混用

kaldi-active-grammar 是一个基于 Kaldi 的 Python 语音识别封装,核心创新在于支持在解码过程中动态激活或停用语法规则。传统语音识别要么做通用听写,要么把命令词写死,用户很难在运行时切换识别范围。该项目通过把语法编译成 Kaldi 的 FST 并暴露 Python 接口,让开发者可以在解码中途改变哪些词、短语或命令处于可识别状态,从而同时兼顾自由听写和精确命令控制。它适合做语音助手、桌面控制、游戏指令等需要低延迟、高准确率且能随上下文切换识别目标的场景。项目提供 Python API,可加载自定义语法文件,也支持与麦克风实时交互,是 Kaldi 生态里少见的把动态语法能力做得比较完整的工具。

开源 free 语音识别
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 350
维护状态 较活跃
是否开源
定价模式 free

项目数据

分类语音识别
开发团队daanzu
所属国家
官网地址
定价模式free
价格说明开源免费,需自行部署
访问状态
是否开源
开源协议AGPL-3.0
主要语言Python
技术栈/模型coding,command-and-control,dictation,grammars,kaldi,kaldi-asr,kaldi-grammar,python,speech-recognition,speech-to-text,voice,voice-coding,voice-commands,voice-control
GitHub 星标★ 350
30天Star增速
HF 下载量
上线时间2019-03-24 00:00:00
最近更新2026-09-07 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-12
浏览次数0

使用教程

核心亮点

  • 支持解码时动态激活/停用语法,无需重启识别引擎
  • 基于 Kaldi,命令词识别准确率高于通用大模型方案
  • 提供 Python 接口,方便集成到桌面或机器人控制程序

不足之处

  • 依赖 Kaldi 编译环境,安装配置门槛较高
  • 文档和示例相对有限,新手上手需要一定语音基础

适用场景

  • 桌面语音助手:平时听写,说唤醒词后切换成精确命令模式
  • 游戏或直播场景:动态加载当前界面可用的语音指令集
  • 无障碍控制:为行动不便用户提供可切换范围的语音操作

替代项目

Vosk、Kaldi、Mozilla DeepSpeech

项目介绍

kaldi-active-grammar 是语音识别领域的开源项目,由 daanzu 开发,2019 年首次发布。

它收录于语音识别分类,该分类目前共有 165 个项目,GitHub 星标数为 350。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-07。开源免费,需自行部署。

它主要面向的使用场景是:桌面语音助手:平时听写,说唤醒词后切换成精确命令模式。同类可对比的替代方案包括 Vosk、Kaldi、Mozilla DeepSpeech。

上一篇:onnx-asr

下一篇:Talkify

同类项目推荐

obs-localvocal 开源

直播录屏时,本地AI实时生成字幕,保护隐私零延迟

OBS plugin for local speech recognition and captioning using AI

★ 1614 2026-09-10
LiveCaptions-Translator 开源

实时捕获系统音频,一键翻译成你懂的语言

Lightweight and powerful real-time audio/speech translation tool based on Windows Li···

★ 3733 2026-08-10
speechbrain 开源

一站式 PyTorch 语音工具箱,快速搞定识别、说话人验证等任务

A PyTorch-based Speech Toolkit

★ 11826 2026-08-26
whisper-diarization 开源

给语音转写加上说话人标签,会议记录一目了然

Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper

★ 5651 2026-08-13