espnet

环境要求

• Python 3.12 或 3.13（CI 已测试）
• PyTorch 2.9.1 / 2.10.0 / 2.11.0（须先安装）
• pip 或 conda 包管理器
• 操作系统：Ubuntu / Debian12 / Windows / macOS 均可

安装与启动步骤

1. 1准备 Python 环境

   确认 Python 版本为 3.12 或 3.13，建议在虚拟环境中安装，避免污染系统环境。

2. 2先安装 PyTorch

   espnet 基于 PyTorch，必须先按官网指引安装 PyTorch，CI 覆盖 2.9.1/2.10.0/2.11.0。

3. 3安装 espnet

   一行命令安装官方发布的 espnet 包，这是最基础的推理用法。

   pip install espnet

   复制

4. 4安装可选依赖

   需要额外功能时安装全部可选依赖，体积较大，按需选择。

   pip install "espnet[all]"

   复制

5. 5安装最新 master

   想用尚未发版的最新功能时，从 GitHub 源码直接安装。与上一步二选一。

   pip install git+https://github.com/espnet/espnet

   复制

6. 6跑预训练模型

   从 Hugging Face 的 espnet 组织选模型，用以下代码导入推理接口开始使用。

   import soundfile as sf
   from espnet2.bin.s2t_inference import Speech2Text

   复制

如何确认成功

运行 Quick start 的 Python 代码，能成功导入 espnet2.bin.s2t_inference 并加载 Hugging Face 预训练模型即为成功。

常见问题

注意事项

• ESPnet1 已停止支持，新项目请使用 egs2/ 或 egs3/ 目录下的配方。
• 完整训练环境（recipes、Kaldi 风格工具）需参照官方 installation guide，本教程仅覆盖 pip 安装与推理。
• 任务专用工具位于仓库 tools/installers 目录。
• 本教程命令均来自 README，未给出的 Docker 启动命令请以官方文档为准。