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。

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。
⚠ 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。
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访问 Flashlight
前往 Flashlight 仓库的 ASR 应用目录获取最新代码与文档。
3构建旧版
如需旧版,checkout wav2letter v0.2 release,并依赖 Flashlight v0.2 release。
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查看 Lua 版
wav2letter-lua 项目位于 wav2letter-lua 分支,可切换获取。
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。
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。
ESPnet、Kaldi、DeepSpeech
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。
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
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···
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
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