MLC-SLM-Baseline 是语音识别领域的开源项目，由 mubingshen 开发，2025 年首次发布。
它收录于语音识别分类，该分类目前共有 212 个项目，GitHub 星标数为 51。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-05-28。提供基线系统，可自行部署使用，完全免费。
它主要面向的使用场景是：多语言会议录音的自动转写与说话人分离。同类可对比的替代方案包括 ESPnet、NeMo、Kaldi。
MLC-SLM-Baseline
多语言对话语音识别与说话人日志的官方基线，开箱即用
MLC-SLM-Baseline 是 INTERSPEECH 2025 多语言对话语音语言模型研讨会的官方基线系统，旨在为参与者提供语音识别和说话人日志的参考实现。项目解决多语言对话场景下语音处理的两个核心任务：一是将多语言混合语音准确转录为文本，二是区分不同说话人。基线系统基于 Python 构建，提供了完整的训练、推理和评估流程，支持多语言数据集的加载与处理。其核心能力包括端到端语音识别、说话人嵌入提取与聚类，以及多语言模型的微调适配。项目目前处于早期阶段，代码结构清晰，便于研究者在此基础上进行改进和对比实验。
开源
free
开源模型
GitHub 星标
★ 51
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队mubingshen
所属国家
定价模式free
价格说明开源项目，提供基线系统，可自行部署使用，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型conversation,large-language-models,mlc-slm,multilingual,speaker-diarization,speech-recognition
GitHub 星标★ 51
30天Star增速
HF 下载量
上线时间2025-03-28 00:00:00
最近更新2026-05-28 00:00:00
维护状态低维护
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4
使用教程
核心亮点
- 官方研讨会基线，任务定义清晰，适合直接作为对比基准
- 代码结构模块化，训练和推理流程完整，易于二次开发
- 覆盖语音识别和说话人日志两大任务，多语言场景针对性强
不足之处
- 早期项目，文档和社区支持尚不完善
- 依赖特定数据集和硬件，复现门槛可能较高
适用场景
- 多语言会议录音的自动转写与说话人分离
- 学术研究中的基线对比实验
- 多语言对话系统的语音前端处理
替代项目
ESPnet、NeMo、Kaldi
项目介绍
下一篇：SpeechPrompt
同类项目推荐
obs-localvocal
开源
直播录屏时，本地AI实时生成字幕，保护隐私零延迟
OBS plugin for local speech recognition and captioning using AI
LiveCaptions-Translator
开源
实时捕获系统音频，一键翻译成你懂的语言
Lightweight and powerful real-time audio/speech translation tool based on Windows Li···
speechbrain
开源
一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务
A PyTorch-based Speech Toolkit
whisper-diarization
开源
给语音转写加上说话人标签，会议记录一目了然
Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper