
RealtimeSTT
一句话唤醒,边说边出字,实时语音转写零门槛。
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 2026-08-22 · 当前星标 ★ 10255
技术标签
使用教程
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
下一篇:speechbrain
同类项目推荐
whisper-clip
开源
按一下按钮,说话自动变文字并进剪贴板
WhisperClip simplifies your life by automatically transcribing audio recordings and ···
Whisper
开源
本地离线跑 Whisper,语音转文字不联网也快
High-performance GPGPU inference of OpenAI's Whisper automatic speech recognition (A···
openless
开源
按住说话,松开即得润色文字,全应用通用
Hold a key, speak, release — AI-polished text appears at your cursor in any app. Op···
speech-translator-readme
开源
说一句话,立刻翻译成外语并语音播放
This repository outlines the procedures and general information for the Speech Trans···
whisper.net
开源
C# 几行代码,本地把语音转成文字
Whisper.net. Speech to text made simple using Whisper Models
OpenMinutes
开源
录音笔音频一键转文字、自动归类,随时检索复盘
OpenMinutes · 录音笔工作台:MemoTalk S1 录音的导入 · 转录 · AI 归类 · 检索复盘(···
Diction
开源
自托管语音键盘,说话直接变文字,隐私自己掌控
Open Source self-hosted alternative to WisprFlow - iOS voice AI keyboard
nextjs-live-transcription
开源
用 Next.js 快速跑通实时语音转文字
Get started using Deepgram's Live Transcription with this Next.js demo app
SenseVoice
开源
一个模型搞定多语言识别、情感和事件检测,开箱即用
Open-source SenseVoiceSmall model for Mandarin, Cantonese, English, Japanese, and Ko···