RealtimeSTT

一句话唤醒，边说边出字，实时语音转写零门槛。

RealtimeSTT 是一个基于 Python 的实时语音转文字库，专注于低延迟和高效能。它解决了语音交互场景中常见的痛点：传统 STT 需要手动控制录音起止，而 RealtimeSTT 通过内置的先进语音活动检测（VAD）自动识别说话开始和结束，并支持唤醒词激活，实现免提式语音输入。其核心能力包括即时转录（边说边出字）、流式处理、以及针对不同硬件（CPU/GPU）的优化。项目设计为即插即用，提供简洁的 API，开发者可以快速集成到自己的应用中，无需深入了解底层音频处理和语音识别细节。它适用于需要实时反馈的交互场景，如语音助手、会议记录、实时字幕等。

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 10159

维护状态较活跃

是否开源是

定价模式 free

项目预览

项目数据

分类语音识别

开发团队KoljaB

所属国家

官网地址

GitHubhttps://github.com/KoljaB/RealtimeSTT

定价模式free

价格说明开源免费

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型python,realtime,speech-to-text

GitHub 星标★ 10159

30天Star增速

HF 下载量

上线时间2023-08-29 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-22

浏览次数10

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

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：库/依赖 6 步

环境要求

Python 3.11 或 3.12（README 说明 3.13 及以上暂不是发布目标）
Linux 需先安装 python3-dev 与 portaudio19-dev
macOS 需先安装 PortAudio（brew install portaudio）
可联网下载 pip 包与模型文件

安装与启动步骤

1确认 Python 版本

README 的 CI 仅覆盖 Python 3.11 与 3.12，3.13 及更新版本暂不支持，请先切到受支持的版本。
2安装系统音频依赖

在 Linux 上必须先装 PortAudio 头文件，否则后续安装 RealtimeSTT 会失败。
```
sudo apt-get update
sudo apt-get install python3-dev portaudio19-dev
```
3安装 macOS 依赖

macOS 用户改用 Homebrew 安装 PortAudio，再执行下一步的 pip 安装。
```
brew install portaudio
```
4安装 RealtimeSTT

按 README 推荐的通用默认路径安装 faster-whisper 附加依赖，这是默认引擎。
```
pip install "RealtimeSTT[faster-whisper]"
```
5安装CPU流式栈

Linux x86-64 生产流式可选：装 server 与 sherpa-onnx 附加依赖并下载两个模型包。
```
python -m pip install "RealtimeSTT[server,sherpa-onnx]"
stt-install-sherpa-models --root ./models/sherpa-onnx --model all
```
6查阅配置文档

引擎选择、实时转录、VAD 时序、唤醒词、回调等构造参数都在 docs/configuration.md。

如何确认成功

安装完成后在 Python 中导入 RealtimeSTT 不报错，即为安装成功；README 未提供运行示例。

常见问题

Q：支持 Python 3.13 吗？

A：不支持。当前 CI 矩阵只覆盖 Python 3.11 和 3.12，3.13 及更新版本要等依赖与 CI 条件就绪后才会纳入。

Q：Linux 安装时报找不到 portaudio 怎么办？

A：先运行 sudo apt-get update，再安装 python3-dev 和 portaudio19-dev，然后重新执行 pip 安装命令。

Q：默认使用哪个识别引擎？

A：通用默认路径使用 faster_whisper。其他引擎需通过安装 extras，并自行准备对应的可选依赖与模型后才能使用。

Q：CPU 上如何获得更好的流式识别效果？

A：Linux x86-64 生产流式推荐 sherpa-onnx：nemotron 流式模型只处理新增音频帧做实时文本，parakeet 在收尾时生成最终转写。

注意事项

README 只给出安装与配置入口，没有完整运行示例代码，建议先阅读 docs/installation.md 与 docs/configuration.md。
命令中的 ./models/sherpa-onnx 是 README 给出的示例路径，可替换为你自己的存放目录。
两个 sherpa-onnx 模型包需联网下载，请预留磁盘空间并保证网络稳定。

核心亮点

内置 VAD 和唤醒词，自动检测语音起止，无需手动按键，交互更自然。
流式转录延迟低，实测在 CPU 上也能实现边说边出字，体验流畅。
API 设计简洁，几行代码即可集成，支持自定义模型和参数，灵活度高。

不足之处

文档和示例相对较少，高级配置（如自定义唤醒词）需要阅读源码。
对多说话人区分（diarization）支持有限，会议等多人场景效果待提升。

适用场景

智能语音助手（如家庭中控、车载语音）
实时字幕生成（直播、视频会议）
语音控制应用（游戏、无障碍工具）

替代项目

faster-whisper、Vosk、SpeechRecognition

项目介绍

RealtimeSTT 是语音识别领域的开源项目，由 KoljaB 开发，2023 年首次发布。

在全站 13,752 个收录项目中，它的 GitHub 星标数（10,159）位列前 5%，在语音识别分类的 257 个项目里位列前 6%。

近 45 天，它的 GitHub 星标从 10,069 增加到 10,159，净增 90。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-17。开源免费。

它主要面向的使用场景是：智能语音助手（如家庭中控、车载语音）。同类可对比的替代方案包括 faster-whisper、Vosk、SpeechRecognition。

上一篇：whisper-timestamped

下一篇：speechbrain