sherpa-ncnn

离线实时语音识别,多平台端侧直接跑

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 223 🐛 待处理 66 👀 关注 34
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1802
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费(Apache-2.0),无在线服务

项目预览

sherpa-ncnn 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类语音识别
开发团队k2-fsa
定价模式🏷️完全免费
价格说明开源免费(Apache-2.0),无在线服务
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Apache-2.0
主要语言C++
技术栈/模型asr,c,cpp,csharp,go,kotlin,python,speech-recognition,vad,voice-activity-detection
GitHub 星标★ 1802
上线时间2022-09-04 00:00:00
代码更新2026-11-12
仓库体积2.3 MB
本站数据更新2026-11-18
维护状态活跃
收录时间2026-11-17
浏览次数0

项目介绍

sherpa-ncnn 是基于新一代 Kaldi 与 ncnn 推理框架的实时语音识别与语音活动检测(VAD)开源工具,主打完全离线运行,无需联网即可在本地完成语音转文字。项目用 C++ 编写,提供 C、C#、Go、Kotlin、Python 等多语言绑定,可部署在 iOS、Android、Linux、macOS、Windows、树莓派及 VisionFive2、LicheePi4A 等 RISC-V 开发板上。核心能力包括流式实时识别、VAD 静音检测、多平台交叉编译支持,模型体积小、推理速度快,适合对隐私和延迟敏感的端侧语音交互场景。开发者可直接集成到移动 App、嵌入式设备或桌面软件中,构建语音输入、字幕生成、语音指令等能力,无需依赖云端 API,节省调用成本并规避数据外传风险。

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 2026-11-17 · 当前星标 ★ 1802

技术标签

使用教程

难度:进阶 约 20 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

  • 支持平台:Android、iOS、Windows、macOS、Linux;架构含 x64、x86、arm64、arm32、riscv64
  • 需要 C++ 编译环境(项目以 C++ 编写,README 节选未给出编译器与构建工具的具体版本)
  • 按所选语言绑定准备对应运行环境(Python、Go、C#、Kotlin、Swift、JavaScript 之一)
  • 需另行获取语音识别模型与测试音频,README 节选未列出具体模型名称

安装与启动步骤

  1. 1确认平台支持

    对照 README 平台表,确认目标系统与 CPU 架构在支持范围内,例如 Linux riscv64、Android arm64 等

  2. 2克隆仓库

    把源码取到本地,后续按官网文档选择编译方式或直接使用对应语言绑定

    git clone https://github.com/k2-fsa/sherpa-ncnn.git
  3. 3查阅官方文档

    打开官网文档页,按目标平台查找对应的编译、模型下载与示例运行说明,README 节选未给出这些命令

  4. 4选择语言绑定

    根据集成方式确定使用 C++、C、Python、JavaScript、Go、C#、Kotlin 还是 Swift,也可选 WebAssembly

  5. 5准备模型与音频

    按官网文档下载与所选任务匹配的流式识别或 VAD 模型,放在文档指定目录后再运行示例

如何确认成功

README 节选未提供验证命令,以官网文档中对应平台的示例程序成功输出识别结果为准。

常见问题

Q:这个项目支持哪些功能?

A:README 列出三类功能:流式实时语音识别、语音合成(如 piper 的 vits 模型)、VAD 语音活动检测(如 silero-vad)。

Q:可以部署在哪些设备上?

A:Android、iOS、Windows、macOS、Linux,架构覆盖 x64、x86、arm64、arm32 与 riscv64,另支持 WebAssembly。

Q:支持哪些编程语言调用?

A:README 列出 C++、C、Python、JavaScript、Go、C#、Kotlin、Swift 八种绑定。

Q:能在本地离线跑吗?

A:README 明确说明这些功能都在本地运行,无需把音频上传到服务器。

注意事项

  • README 节选只包含功能与平台支持表,没有安装命令,因此本教程不含编译与运行指令,实际命令请以官网文档为准。
  • 不同平台与架构的构建方式差异较大(如 Android、iOS、RISC-V 开发板),建议先跑通桌面 Linux 或 macOS 示例。
  • 模型文件与语言绑定需配套使用,下载后按文档要求的目录结构放置。

核心亮点

  • 完全离线推理,无需联网,隐私数据不出设备
  • 覆盖 iOS、Android、Linux、Windows、macOS 及 RISC-V 开发板,跨平台能力强
  • 提供 C、C#、Go、Kotlin、Python 等多语言绑定,集成门槛低

不足之处

  • 中文文档和示例相对有限,新手需要一定 C++ 与模型部署基础
  • 预训练模型以中英为主,小语种和方言覆盖不足
  • 不同平台需自行交叉编译,RISC-V 等边缘设备适配成本较高

适用场景

  • 移动 App 内离线语音输入与实时字幕
  • 嵌入式设备或树莓派上的本地语音指令识别
  • 会议/录音场景的离线转写与 VAD 静音切分

替代项目

whisper.cpp、vosk-api、funasr

上一篇:conformer

下一篇:Arion

同类项目推荐

dotty-stackchan 开源

让 StackChan 离线对话,语音不出家门

Self-hosted voice-assistant stack for the M5Stack StackChan desktop robot. Local ASR···

★ 130 2026-10-12
simple-obs-stt 开源

直播时自动生成实时字幕,直接叠加到 OBS 画面

Speech-to-text and keyboard input captions for OBS.

★ 105 2026-08-09
Kaze 开源

按住说话,松手出字,全程本地不联网

Local speech to text app - Talk instead of typing.

★ 227 2026-10-11
conformer 开源

用 PyTorch 复现卷积+Transformer 的语音识别模型

[Unofficial] PyTorch implementation of "Conformer: Convolution-augmented Transformer···

★ 1138 2026-11-17
whispering 开源

说话即出字幕,VRChat 和直播叠加一键同步

Whispering Tiger - OpenAI's whisper (and other models) with OSC and Websocket suppor···

★ 555 2026-09-23
Recorder 开源

一个库搞定 H5 多格式录音,还能语音转文字

html5 js 录音 mp3 wav ogg webm amr g711a g711u 格式,支持pc和Android、iOS部分Web浏览···

★ 5642 2026-08-10
template-tiktok 开源

本地 Whisper 自动生成 TikTok 动态字幕

Generate TikTok-style captions with Whisper.cpp

★ 308 2026-09-23
Whispera 开源

Mac 上本地离线把语音秒变文字,录音即转写

AI-powered voice transcription app for macOS using WhisperKit

★ 168 2026-10-03