speech.cpp

一个 C++ 库跑通语音识别、合成和 VAD，本地部署开箱即用

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 191

维护状态活跃

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nyosegawa

所属国家

官网地址

GitHubhttps://github.com/nyosegawa/speech.cpp

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议MIT

主要语言C++

技术栈/模型asr,cpp,ggml,gguf,irodori-tts,metal,parakeet,qwen3-asr,qwen3-tts,reazonspeech,silero-vad,speech-recognition,speech-synthesis,text-to-speech,tts,voice-activity-detection,vulkan

GitHub 星标★ 191

30天Star增速

HF 下载量

上线时间2026-09-29 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-20

浏览次数0

项目介绍

speech.cpp 是一个基于 ggml 的 C++ 语音全栈工具库，把语音合成、语音识别和语音活动检测（VAD）整合到同一套推理框架中。它支持 Qwen3-TTS、Irodori-TTS 等合成模型，Qwen3-ASR、ReazonSpeech、parakeet 等识别模型，以及 Silero VAD，并能在 Metal、Vulkan 和纯 CPU 上运行。项目解决的是语音对话链路中模型分散、部署复杂的问题：开发者不必为 TTS、ASR、VAD 分别搭建 Python 服务和推理后端，只需编译一个 C++ 项目即可获得统一接口。核心能力包括：跨平台硬件加速、GGUF 量化模型加载、OpenAI 兼容的 HTTP 服务端，以及实时转写（live transcription）。适合需要本地化、低依赖、可嵌入的语音交互应用。