项目预览
项目数据
项目介绍
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 2026-08-10 · 当前星标 ★ 1016
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。
⚠ 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 C++ 或 Python 的开发环境（sherpa 提供两种 API）
- PyTorch 环境（sherpa 是基于 PyTorch 的推理框架）
- 已训练好的端到端模型（transducer 或 CTC 模型，需自行用 icefall 训练或获取）
安装与启动步骤
-
1查阅官方文档
README 未给出任何安装命令，安装与使用步骤请以官方文档为准，不要凭猜测执行其他命令。
-
2浏览器在线试用
不想安装可直接在 Hugging Face Space 里录音或上传音频，体验 sherpa 的语音转文字效果。
-
3准备预训练模型
本框架只负责部署推理，需自行准备 transducer 或 CTC 的预训练模型（训练参考 icefall）。
-
4选择集成方式
根据业务场景选择 C++ API 或 Python API 把模型接入到自己的服务中，具体接口见官方文档。
如何确认成功
能打开 Hugging Face Space 并成功把一段语音转写成文字，说明功能可用。
常见问题
Q：README 里没有安装命令，怎么装？
A：README 明确要求参考官方文档 https://k2-fsa.github.io/sherpa/，请按文档中的安装说明操作。
Q：怎么训练或微调自己的识别模型？
A：本仓库只做部署推理，训练和微调请参考 icefall 项目。
Q：能在 iOS、Android 或嵌入式设备上用吗？
A：本仓库不支持，README 建议改用不依赖 PyTorch 的 sherpa-onnx 或 sherpa-ncnn。
Q：sherpa、sherpa-onnx、sherpa-ncnn 有什么区别？
A：sherpa 基于 PyTorch，只做端到端模型部署；另外两个不依赖 PyTorch，且支持移动端与嵌入式。
注意事项
- 项目处于早期阶段，功能和接口可能变化。
- 仓库不含训练代码，只负责用预训练模型做语音转写部署。
- README 未提供端口、配置项、包名等信息，请勿自行编造命令。
核心亮点
- 基于下一代 Kaldi，识别精度和性能有保障
- 原生支持 WebSocket 流式输出，适合实时交互
- 提供 Python 绑定，降低使用门槛
不足之处
- 项目早期，文档和社区生态待完善
- 功能相对单一，主要聚焦服务端推理
适用场景
- 智能语音助手后端服务
- 实时会议转写系统
- 嵌入式语音交互设备
替代项目
Vosk、whisper.cpp、Kaldi
上一篇：murmure
下一篇：BiBi-Keyboard
同类项目推荐
openasr
开源
一条命令本地跑七种语音模型，转录不出机器
Local-first speech-to-text: no cloud, no telemetry, fail-closed by design. One CLI, ···
dasheng
开源
开口读英文，逐词判对错，立刻出评分
大声读 — R2T2 流式 ASR 听，Jev 逐词判，英文朗读评分
speech-swift
开源
苹果芯片上跑本地语音AI，离线也能用
AI speech toolkit for Apple Silicon — ASR, TTS, speech-to-speech, VAD, and diarizat···
voxtype
开源
按住说话，松手出字，Wayland 离线听写
Voice-to-text with push-to-talk for Wayland compositors
wav2letter
开源
用 C++ 打造高性能端到端语音识别，训练推理快人一步。
Facebook AI Research's Automatic Speech Recognition Toolkit
botium-speech-processing
开源
让语音应用自动化测试像聊天测试一样简单，打通STT/TTS全链路
Botium Speech Processing
moonshine
开源
超低延迟语音全家桶，让语音交互快人一步
Very low latency speech to text, intent recognition, and text to speech, for buildin···
fcitx5-vinput
开源
在 Linux 输入法里说话直接变文字，还能让 LLM 润色
Voice input for Fcitx5 — local and cloud ASR, LLM rewriting, cross-distro packages
myna
开源
Ubuntu 上按快捷键说话，文字直接落到光标处
Myna is a lightweight speech-to-text application for Ubuntu Desktop.