SpeechPrompt 是语音识别领域的开源项目，由 ga642381 开发，2022 年首次发布。
它收录于语音识别分类，该分类目前共有 212 个项目，GitHub 星标数为 102。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-03-24。无在线服务，需自行部署，完全免费。
它主要面向的使用场景是：学术研究：探索语音提示学习新范式。同类可对比的替代方案包括 SpeechBrain、ESPnet、HuggingFace Transformers。
SpeechPrompt
用提示学习统一搞定多种语音任务，无需重训模型
SpeechPrompt 是 Interspeech 2022 论文的官方实现，探索将提示学习（Prompt Tuning）应用于生成式口语语言模型，以统一方式处理多种语音处理任务。传统语音任务需要针对每个任务设计专门模型，而 SpeechPrompt 借鉴 NLP 中提示学习的思路，将语音信号视为离散单元序列，通过构造提示模板让预训练生成模型直接输出任务结果，从而无需为每个任务重新训练模型。项目核心能力包括：支持语音分类、情感识别、说话人验证等任务的统一建模，提供基于预训练模型的提示调优训练代码和推理脚本。它解决了语音领域任务碎片化、模型复用难的问题，展示了生成式模型在语音处理中的新范式。
开源
free
开源模型
GitHub 星标
★ 102
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队ga642381
所属国家
定价模式free
价格说明开源项目，无在线服务，需自行部署，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型deep-learning,large-language-models,nlp,prompt,prompting,pytorch,speech-processing
GitHub 星标★ 102
30天Star增速
HF 下载量
上线时间2022-04-01 00:00:00
最近更新2026-03-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 创新性地将 NLP 提示学习引入语音处理，统一多任务建模
- 基于预训练生成式口语模型，减少下游任务训练成本
- 附有论文和代码，复现门槛低，适合学术研究
不足之处
- 项目处于早期，文档和社区支持待观察
- 仅支持有限的语音任务，实际应用范围有限
适用场景
- 学术研究：探索语音提示学习新范式
- 多任务语音处理：用单一模型完成分类、情感识别等
- 低资源场景：减少针对每个任务的数据标注和训练
替代项目
SpeechBrain、ESPnet、HuggingFace Transformers
项目介绍
上一篇：MLC-SLM-Baseline
下一篇：GigaAM
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
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