sherpa-onnx

离线搞定语音识别与合成，支持多端多语言

sherpa-onnx 是一个基于下一代 Kaldi 和 ONNX Runtime 的语音处理工具包，专注于离线场景下的语音识别（ASR）、文本转语音（TTS）、说话人分离、语音增强、音源分离和语音活动检测（VAD）。它无需互联网连接即可运行，支持从嵌入式系统（如树莓派、RISC-V）到服务器（x86_64）的多种硬件平台，并兼容 Android、iOS、HarmonyOS 等操作系统。项目提供 12 种编程语言的 API，包括 C++、Python、C# 等，方便开发者集成。其核心优势在于将多种语音任务统一在 ONNX 模型下，通过高效的推理引擎实现低延迟、高精度的处理，尤其适合对隐私和实时性要求高的边缘设备。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 14910

维护状态活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队k2-fsa

所属国家

官网地址https://k2-fsa.github.io/sherpa/onnx/index.html

GitHubhttps://github.com/k2-fsa/sherpa-onnx

定价模式free

价格说明完全开源免费，Apache-2.0 许可证，可本地部署，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言C++

技术栈/模型aarch64,android,arm32,asr,cpp,csharp,dotnet,ios,lazarus,linux,macos,mfc,object-pascal,onnx,raspberry-pi,risc-v,speech-to-text,text-to-speech,vits,windows

GitHub 星标★ 14910

30天Star增速

HF 下载量

上线时间2022-09-01 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

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5

使用教程

难度：入门约 10 分钟部署方式：库/依赖 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

操作系统：Android / iOS / Windows / macOS / Linux / HarmonyOS 之一
CPU 架构：x64、x86、arm64、arm32 或 riscv64（不同架构支持的系统组合不同，需先查支持矩阵）
能访问 GitHub 仓库和官方文档站点以获取安装包与模型
使用离线能力时需提前准备对应的 ONNX 模型文件

安装与启动步骤

1确认平台支持

对照 README 的支持矩阵，确认你的系统与 CPU 架构组合是否被支持，例如 riscv64 目前仅覆盖部分平台。
2克隆官方仓库

把源码仓库拉到本地，后续编译、示例和脚本都在这个目录里，注意磁盘留出足够空间。
```
git clone https://github.com/k2-fsa/sherpa-onnx.git
```
3查阅官方安装文档

README 未给出具体安装命令，请打开官网文档页，按你的平台和编程语言选择对应安装方式。
4准备 ONNX 模型

本项目离线运行，需提前下载所用任务（ASR/TTS/VAD 等）对应的 ONNX 模型放到本地目录。
5选择语言 API 接入

从 C++、Python、C# 等 12 种 API 中挑选你熟悉的语言，按官方示例把库接入自己的工程。

如何确认成功

按官方示例跑通一次语音识别或语音合成，能正常输出文本或音频即表示环境可用。

常见问题

Q：支持哪些操作系统和架构？

A：支持 Android、iOS、Windows、macOS、Linux、HarmonyOS；架构涵盖 x64、x86、arm64、arm32 和 riscv64，具体组合需对照 README 支持矩阵。

Q：运行时需要联网吗？

A：不需要，sherpa-onnx 面向离线场景，模型与推理都在本地完成，适合对隐私和实时性有要求的应用。

Q：可以实现哪些语音功能？

A：包含语音识别、语音合成、音源分离、说话人识别/分离/验证、语种识别、音频打标、VAD、关键词唤醒、标点恢复和语音增强。

Q：能用哪些编程语言调用？

A：官方提供 12 种编程语言的 API，包括 C++、Python、C# 等，可按自己的工程栈选择。

注意事项

本教程依据 README 公开信息整理，README 未提供具体安装命令，实际安装请以官方文档为准。
不同平台与架构的安装包和依赖差异较大，动手前务必先确认支持矩阵。
离线使用需自行准备对应任务的 ONNX 模型文件。

核心亮点

支持 12 种编程语言，集成灵活
覆盖 ASR、TTS、VAD 等多种语音任务，一站式解决
适配广泛硬件，从树莓派到服务器均可用

不足之处

文档和社区生态相对薄弱，新手入门门槛较高
部分高级功能（如说话人分离）的模型和示例不够丰富

适用场景

嵌入式设备上的离线语音助手
移动应用中的实时语音转文字
服务器端的批量语音处理服务

替代项目

whisper.cpp、Vosk、PaddleSpeech

项目介绍

sherpa-onnx 是语音识别领域的开源项目，由 k2-fsa 开发，2022 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（14,910）位列前 4%，在语音识别分类的 212 个项目里位列前 4%。

近 44 天，它的 GitHub 星标从 14,058 增加到 14,910，净增 852。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。完全开源免费，Apache-2.0 许可证，可本地部署，无付费版本。

它主要面向的使用场景是：嵌入式设备上的离线语音助手。同类可对比的替代方案包括 whisper.cpp、Vosk、PaddleSpeech。

上一篇：argmax-oss-swift

下一篇：WhisperLive