StreamSpeech

一个模型搞定语音识别、翻译和合成，离线同声两相宜

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 105 🐛 待处理 14 👀 关注 14

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1293

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源模型，MIT许可证，完全免费，需自行部署使用。

项目预览

StreamSpeech 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐

开发团队ictnlp

官网地址https://ictnlp.github.io/StreamSpeech-site

GitHubhttps://github.com/ictnlp/StreamSpeech

定价模式🏷️完全免费

价格说明开源模型，MIT许可证，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MIT

主要语言Python

技术栈/模型all-in-one,asr,audio-processing,machine-translation,non-autoregressive,seamless,simultaneous-translation,speech,speech-enhancement,speech-processing,speech-recognition,speech-synthesis,speech-to-text,speech-translation,streaming-audio,text-to-audio,text-to-speech,translation,tts,voice

GitHub 星标★ 1293

上线时间2024-06-04 00:00:00

代码更新2025-06-29

仓库体积18.4 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

StreamSpeech 是一个“一体化”的无缝语音模型，同时支持离线与同声传译场景下的语音识别（ASR）、语音翻译和语音合成。它解决了传统级联系统延迟高、错误累积和资源占用大的问题，通过单一模型直接完成从源语言语音到目标语言语音的转换。其核心能力包括：基于非自回归（NAR）的并行解码，大幅降低翻译延迟；支持离线（高精度）与同声（低延迟）两种模式切换；覆盖多语言语音识别、翻译和合成任务。项目基于 PyTorch 实现，提供了预训练模型和推理代码，适合研究者和开发者用于构建实时语音翻译应用。

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 2026-08-09 · 当前星标 ★ 1293

技术标签

all-in-one asr audio-processing machine-translation non-autoregressive

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：进阶约 20 分钟部署方式：本地安装 4 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

Python 环境（项目为 Python 实现，建议 3.8 及以上）
PyTorch（项目基于 PyTorch 实现，需自行按 README 指定版本安装）
足够的磁盘空间与内存，本地推理语音模型建议配备 GPU
可访问 GitHub 与项目官网的网络环境

安装与启动步骤

1克隆代码仓库

从 GitHub 拉取 StreamSpeech 源码，后续安装与推理都在该目录内进行。
```
git clone https://github.com/ictnlp/StreamSpeech.git
cd StreamSpeech
```
2阅读快速开始

打开 README 的 Quick Start 一节，按其给出的依赖与推理说明操作，先读再装。
3创建虚拟环境

用独立虚拟环境隔离 Python 依赖，避免与系统包冲突；Windows 请改用 venv 激活脚本。
```
python -m venv venv
source venv/bin/activate
```
4安装依赖与模型

按仓库 README 与 Quick Start 给出的依赖清单安装，并下载其提供的预训练模型权重。