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
开源
🏷️完全免费
🔧 仅开源项目，无在线服务，需自行部署
开源模型
🍴 复刻 10
👀 关注 3
GitHub 星标
★ 51
维护状态
低维护
是否开源
开源
定价模式
🏷️完全免费
开源项目，提供基线系统，可自行部署使用，完全免费。
项目预览
项目数据
分类开源模型
开发团队mubingshen
定价模式🏷️完全免费
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🔧 仅开源项目，无在线服务，需自行部署
是否开源是
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
上线时间2025-03-28 00:00:00
代码更新2025-05-14
仓库体积2.4 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数4
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 2026-08-09 · 当前星标 ★ 51
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
下一篇：SpeechPrompt
同类项目推荐
leopard
开源
本地离线把语音转成文字，不联网也能用
On-device speech-to-text engine powered by deep learning
fast-langdetect
开源
80倍加速语言检测，混合文本一键按语言拆分
⚡️ 80x faster Fasttext language detection out of the box | Split text by language
VibeASR.cpp
开源
纯 C 写的离线语音识别，编译即用不依赖 Python
speaches
开源
一键部署，即刻拥有 OpenAI 兼容的语音转文字服务
onnx-asr
开源
几行代码用 ONNX 跑语音识别，不装重型框架
A lightweight Python package for Automatic Speech Recognition using ONNX models
NeMo-text-processing
开源
把口语文本和书面文本互转，ASR/TTS 预处理少写正则
NeMo text processing for ASR and TTS
awesome-openai-whisper
开源
一页清单找齐 Whisper 模型、加速工具与教程
A curated list of awesome OpenAI's Whisper
moys-asr-workflow
开源
音频一键转字幕，工作流里直接校对导出
阿墨的字幕工作台：Moy 的 ASR 字幕转写工作流（简称 MAW）
MASR
开源
一个框架搞定流式+非流式语音识别，训练部署都省心
Pytorch实现的流式与非流式的自动语音识别框架，同时兼容在线和离线识别，目前支持Conform···