wav2letter

用 C++ 打造高性能端到端语音识别,训练推理快人一步。

wav2letter 是 Facebook AI Research 开源的端到端自动语音识别工具包,基于 C++ 实现,专注于高效、高性能的 ASR 研究与应用。它解决了传统语音识别系统依赖复杂流水线(如音素、词典、语言模型分离)的问题,提供从音频到文本的直接映射。核心能力包括:支持多种端到端模型(如 CTC、seq2seq)、高效的 GPU 训练与推理、内置音频特征提取(如 MFCC)、以及灵活的模块化设计,便于研究人员快速实验新算法。工具包还提供了完整的训练、解码和评估流程,并支持分布式训练,适合大规模语音数据。其设计强调性能与可扩展性,在学术界和工业界均有应用。

开源 free 语音识别
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 6437
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类语音识别
开发团队flashlight
所属国家
定价模式free
价格说明开源工具包,完全免费,需自行部署使用。
访问状态
是否开源是
开源协议NOASSERTION
主要语言C++
技术栈/模型cpp,deep-learning,end-to-end,speech-recognition,wav2letter
GitHub 星标★ 6437
30天Star增速
HF 下载量
上线时间2017-11-20 00:00:00
最近更新2026-09-22 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2026-08-10
浏览次数4

使用教程

难度:高级 约 30 分钟 部署方式:本地安装 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • C++ 编译环境(项目基于 C++ 实现)
  • Flashlight 框架(wav2letter 已合并至 Flashlight ASR 应用)
  • 如需复现论文结果,Flashlight 版本需 <= 0.3.2
  • 如需旧版,需准备 wav2letter v0.2 与 Flashlight v0.2

安装与启动步骤

  1. 1阅读迁移说明

    wav2letter 已合并到 Flashlight 的 ASR 应用,未来开发均在 Flashlight 中进行。

  2. 2访问 Flashlight

    前往 Flashlight 仓库的 ASR 应用目录获取最新代码与文档。

  3. 3构建旧版

    如需旧版,checkout wav2letter v0.2 release,并依赖 Flashlight v0.2 release。

  4. 4复现论文

    使用 recipes 目录中的配方,注意必须使用 Flashlight <= 0.3.2 以保证可复现。

  5. 5查看 Lua 版

    wav2letter-lua 项目位于 wav2letter-lua 分支,可切换获取。

如何确认成功

README 未提供启动验证方法,需参考 Flashlight ASR 应用文档或 recipes 运行结果。

常见问题

Q:wav2letter 还能独立使用吗?

A:官方已将其合并到 Flashlight 的 ASR 应用,未来开发均在 Flashlight 中进行。

Q:如何复现仓库中的论文结果?

A:使用 recipes 目录中的配方,且所有复现必须使用 Flashlight <= 0.3.2 以保证可复现性。

Q:如何获取旧版 wav2letter?

A:checkout wav2letter v0.2 release,并依赖旧版 Flashlight v0.2 release。

Q:wav2letter-lua 在哪里?

A:位于 wav2letter-lua 分支,可切换到该分支获取。

注意事项

  • wav2letter 已迁移至 Flashlight,建议新项目直接使用 Flashlight ASR 应用。
  • 复现论文结果时务必使用 Flashlight <= 0.3.2。
  • 旧版构建需 wav2letter v0.2 与 Flashlight v0.2。
  • 仓库包含预训练模型和 recipes,可加速研究。

核心亮点

  • 纯 C++ 实现,推理性能优于多数 Python 框架,适合生产部署
  • 内置多种端到端模型(CTC/seq2seq),支持快速实验对比
  • 提供完整训练-解码-评估流水线,开箱即用,减少工程成本

不足之处

  • 文档相对简略,新手入门门槛较高
  • 社区活跃度一般,更新频率不如主流框架(如 ESPnet)

适用场景

  • 学术研究:快速验证新的语音识别模型结构
  • 工业部署:需要低延迟、高吞吐的语音识别服务
  • 嵌入式/边缘设备:利用 C++ 优势进行轻量化推理

替代项目

ESPnet、Kaldi、DeepSpeech

项目介绍

wav2letter 是语音识别领域的开源项目,由 flashlight 开发,2017 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(6,437)位列前 7%,在语音识别分类的 212 个项目里位列前 11%。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-22。完全免费,需自行部署使用。

它主要面向的使用场景是:学术研究:快速验证新的语音识别模型结构。同类可对比的替代方案包括 ESPnet、Kaldi、DeepSpeech。

上一篇:annyang

下一篇:porcupine

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

★ 1616 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···

★ 3755 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

★ 11834 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

★ 5657 2026-08-13