wav2letter

用 C++ 打造高性能端到端语音识别，训练推理快人一步。

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 983 🐛 待处理 107 👀 关注 236
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 6445
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源工具包，完全免费，需自行部署使用。

项目预览

wav2letter 项目界面预览图
图片来源：项目官网

项目数据

分类语音识别
开发团队flashlight
官网地址https://github.com/facebookresearch/wav2letter/wiki
GitHubhttps://github.com/flashlight/wav2letter
定价模式🏷️完全免费
价格说明开源工具包，完全免费，需自行部署使用。
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NOASSERTION
主要语言C++
技术栈/模型cpp,deep-learning,end-to-end,speech-recognition,wav2letter
GitHub 星标★ 6445
上线时间2017-11-20 00:00:00
代码更新2026-08-28
仓库体积6.4 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-10
浏览次数5

项目介绍

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。

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 2026-08-10 · 当前星标 ★ 6445

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

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

上一篇：annyang

下一篇：porcupine

同类项目推荐

blurt 开源

按住说话，把语音和屏幕内容直接喂给终端 Agent

The keyboard for the agent era: dictation, copy text from screen, translation, snaps···

★ 292 2026-10-30
openless 开源

按住说话，松开即得润色文字，全应用通用

Hold a key, speak, release — AI-polished text appears at your cursor in any app. Op···

★ 4063 2026-08-09
voicekey 开源

按住或点按快捷键，说话即变文字输入到 Mac 任意应用

macOS hold-to-talk / tap-to-talk dictation with Doubao & WeType ASR

★ 542 2026-11-04
NeMo-Speech.cpp 开源

用 C++ 跑 NeMo 语音模型，免 Python 低资源做识别与合成

NeMo-Speech.cpp is a lightweight C++ inference runtime for Speech models

★ 246 2026-09-15
Mega-ASR 开源

野外场景语音识别不掉链子，比SOTA最多强30%

First foundation ASR built for the real world - 7 atomic acoustic conditions, 54 com···

★ 1149 2026-09-01
open-wispr 开源

macOS 本地语音打字，离线隐私，开口即成文

Local, private voice dictation for macOS

★ 225 2026-09-24
AuxiliaryASR 开源

给语音合成和转换提供精准的文本-音频对齐工具

Joint CTC-S2S Phoneme-level ASR for Voice Conversion and TTS (Text-Mel Alignment)

★ 130 2026-08-09
spokestack-python 开源

在嵌入式设备上快速集成离线语音交互，无需云端依赖。

Spokestack is a library that allows a user to easily incorporate a voice interface i···

★ 142 2026-08-09