speech-to-phrase

本地跑,只认你定义的短语,又快又准。

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 语音识别 🍴 复刻 74 🐛 待处理 89 👀 关注 7
GitHub ↗
GitHub 星标 ★ 355
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

speech-to-phrase 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类语音识别
开发团队OHF-Voice
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
GitHub 星标★ 355
上线时间2025-01-24 00:00:00
代码更新2026-11-16
仓库体积187.4 MB
本站数据更新2026-11-18
维护状态活跃
收录时间2026-10-04
浏览次数3

项目介绍

speech-to-phrase 是一个用 Python 编写的本地语音转文本项目,主打快速与个性化。它解决的是通用语音识别模型在特定用户、特定词汇场景下识别不准的问题:通过让用户预先定义自己常用的短语集合,系统只在这个受限词表内做识别,从而大幅提升准确率和响应速度。核心能力包括:完全本地运行,不依赖云端 API,隐私友好;支持个性化短语定制,适合命令词、专有名词、行业术语等场景;基于 Python 实现,便于二次开发和集成到现有工作流。项目定位偏向轻量级、低延迟的本地语音命令识别,而非通用长文本听写。适合需要离线、快速、可控词表的语音交互场景。

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 2026-10-04 · 当前星标 ★ 355

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 20 分钟 部署方式:HA 插件 4 步

环境要求

  • Home Assistant
  • 麦克风与唤醒词方案
  • 至少一种语言包

安装与启动步骤

  1. 1看迁移声明

    仓库首段写明开发已迁到 OHF-Voice/apps

  2. 2装插件

    在 Home Assistant 的加载项商店里装 Speech-to-Phrase

  3. 3选语言与句子

    只开你真正会说的命令,开太多会拖慢识别

  4. 4配设备与区域名

    把房间名加进去,识别才认得出具体对象

如何确认成功

说一句带房间名的命令能被正确识别并触发对应的自动化。

注意事项

  • 本仓库停在 v1.4.3 的 Kaldi 版本,新开发在 OHF-Voice/apps,新装建议走新仓库。
  • 它不是通用语音识别,只判断「说的是不是允许的那几句」。
  • 新增句子与语言要提到 home-assistant/intents,不要往本仓库提。
  • 识别质量对麦克风位置敏感,先在同一房间内测再铺开。

核心亮点

  • 完全本地运行,无需联网,隐私数据不出设备
  • 支持自定义短语词表,对专有名词和命令词识别更准
  • Python 实现,易于集成和二次开发

不足之处

  • 仅支持受限词表识别,不适合通用长文本听写
  • 项目早期,文档和社区生态待观察

适用场景

  • 本地语音助手或智能家居命令词识别
  • 离线环境下的专有名词/行业术语语音输入
  • 开发者集成到 Python 应用做快速语音控制

替代项目

whisper.cpp、Vosk、Kaldi

上一篇:jev-voice

下一篇:sonus

同类项目推荐

web-speech-cognitive-services 开源

用Azure服务补齐浏览器语音API,统一标准接入

Polyfill Web Speech API with Cognitive Services for both speech-to-text and text-to-···

★ 70 2026-08-09
SpeechPrompt 开源

用提示学习统一搞定多种语音任务,无需重训模型

**Interspeech 2022** 《SpeechPrompt: An Exploration of Prompt Tuning on Generative S···

★ 102 2026-08-09
AriaType 开源

动口不动手,本地语音输入秒变文字,跨应用高效干活

Voice-driven writing, input, and cross-app work for your desktop.

★ 95 2026-08-09
moshi-rag 开源

边聊边查,语音对话不再瞎编

MoshiRAG is a compact full-duplex speech language model augmented with asynchronous ···

★ 201 2026-10-02
MLC-SLM-Baseline 开源

多语言对话语音识别与说话人日志的官方基线,开箱即用

The project is associated with the recently-launched INTERSPEECH 2025 Workshop on Mu···

★ 51 2026-08-09
pyannote-core 开源

把「时间段+标签」的运算封装好,语音标注不再手写区间逻辑

Advanced data structures for handling temporal segments with attached labels.

★ 126 2026-10-21
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 ···

★ 138 2026-09-15
whisper_android 开源

在安卓手机上离线运行 Whisper,实现即时语音转文字

Offline Speech Recognition with OpenAI Whisper and TensorFlow Lite for Android

★ 693 2026-08-09
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···

★ 819 2026-10-02