
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 2026-09-15 · 当前星标 ★ 457
使用教程
环境要求
- Python 3.10+
- 无需 GPU
安装与启动步骤
-
1建虚拟环境
依赖较多,务必用独立环境,别装进系统 Python。
python -m venv .venv -
2装依赖
Windows 与 macOS/Linux 的路径不同,按自己的系统选一条。
.venv/bin/pip install -r requirements.txt -
3启动服务
默认起在本机端口,浏览器面板负责上传与查看。
python app.py -
4开面板试一段音频
上传一段带说话人切换的录音,看能不能自动分段并标出说话人。
如何确认成功
上传一段两人对话后,页面能按时间轴切段并分别标出说话人,切换点与你人工听感大致对齐
注意事项
- 卖点是不用 GPU 也能跑,代价是长音频处理慢。
- 实时翻译依赖外部翻译服务,纯本地部署时会自动降级为只转写。
- 说话人区分是聚类结果,说话人数量给错时准确率明显下降。
- 长会议录音先切片再处理,整段进去容易内存吃满。
- 涉及录音内容,对外部署前想清楚数据留存策略。
核心亮点
- 纯 CPU 推理,无需 GPU 和云服务,部署成本极低
- 基于 sherpa-onnx,支持流式识别和多语言,含日语等
- 自带浏览器仪表盘、说话人标签和翻译,功能集成度高
不足之处
- 早期项目,文档和社区生态尚不完善
- 多语言识别精度和实时性依赖模型选择,需自行调优
适用场景
- 本地会议实时字幕与记录,保护隐私
- 观看外语视频或直播时生成实时翻译字幕
- 边缘设备或低配笔记本上的语音转写应用
替代项目
whisper.cpp、Vosk、sherpa-onnx
同类项目推荐
CrispASR
开源
C++ 本地跑多款语音模型,离线转录不用 Python
C++ ggml runtime hub for multilingual ASR and TTS models: Cohere Transcribe, Parakee···
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···
porcupine
开源
在设备本地秒级唤醒,无需联网,隐私安全
On-device wake word detection powered by deep learning
Handy
开源
完全离线、免费开源的语音转文字工具,保护隐私,即开即用。
A free, open source, and extensible speech-to-text application that works completely···
moonshine
开源
超低延迟语音全家桶,让语音交互快人一步
Very low latency speech to text, intent recognition, and text to speech, for buildin···
willow
开源
本地运行、隐私安全的智能语音助手,替代 Echo 和 Google Home。
Open source, local, and self-hosted Amazon Echo/Google Home competitive Voice Assist···
ha-openai-whisper-stt-api
开源
把语音识别甩给云端,低配 Home Assistant 也能秒回话
HACS custom integration for using Whisper speech-to-text (OpenAI, GroqCloud or Mistr···
AsrServe
开源
自托管语音识别,实时离线都能跑,接口兼容 OpenAI
Self-hosted realtime and offline ASR with SOTA open models, speaker diarization and ···
fcitx5-vinput
开源
在 Linux 输入法里说话直接变文字,还能让 LLM 润色
Voice input for Fcitx5 — local and cloud ASR, LLM rewriting, cross-distro packages