AsrServe

自托管语音识别,实时离线都能跑,接口兼容 OpenAI

开源 🏷️定价信息待确认 ✅ 目前可打开 语音识别 🍴 复刻 56 🐛 待处理 6 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 361
维护状态 维护中
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

AsrServe 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Quantatirsk
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
主要语言Python
技术栈/模型asr,qwen3
GitHub 星标★ 361
上线时间2025-12-14 00:00:00
代码更新2026-10-14
仓库体积14.8 MB
本站数据更新2026-11-15
维护状态维护中
收录时间2026-10-02
浏览次数5

项目介绍

AsrServe 是一个可自托管的中文语音识别服务,把当前最强的开源 ASR 模型(如 Qwen3-ASR 系列)封装成开箱即用的推理后端,同时支持实时流式识别和离线批量转写。它解决的核心问题是:开源语音模型虽然效果接近商用,但部署链路长、接口不统一、实时与离线要各搭一套。AsrServe 提供统一的 OpenAI 兼容 API,任何按 OpenAI 音频接口写的客户端都能直接接入,无需改代码;内置说话人分离(speaker diarization),可区分多人对话中的不同说话人;同时覆盖 GPU、CPU 和 macOS Apple Silicon 三种运行环境,本地机器也能跑。项目用 Python 实现,定位是让个人和中小团队用一台机器就能拥有自己的语音识别服务,数据不出内网,适合对隐私、成本和可控性有要求的场景。

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 2026-10-02 · 当前星标 ★ 361

技术标签

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:进阶 约 45 分钟 部署方式:Docker 4 步

环境要求

  • Docker 与 Compose
  • 音频输入
  • GPU 可选

安装与启动步骤

  1. 1选镜像

    有显卡用 GPU 版,纯 CPU 用 cpu 版,两版接口一致

    docker compose up -d
  2. 2纯 CPU 起法

    没有显卡时换 cpu 编排文件

    docker compose -f compose.cpu.yml up -d
  3. 3走一次识别

    传一段音频或开实时流,看返回文本与时间戳

  4. 4换模型

    在配置里换更小或更大的模型,对比速度与准确率

如何确认成功

能对一段十分钟音频完成转写,输出带时间戳,且长音频不中断。

注意事项

  • 自托管语音识别,GPU 与 CPU 两套镜像都提供。
  • 首次启动要下模型,纯离线环境需提前准备模型目录。
  • 实时流与离线文件是两种用法,实时对延迟敏感要单独调。
  • 中文识别效果取决于所选模型,别拿英文模型的数字套中文。

核心亮点

  • 提供 OpenAI 兼容 API,现有客户端零改动即可切换
  • 同时支持实时流式与离线批量转写,一套服务覆盖两种需求
  • 内置说话人分离,多人会议场景可直接区分不同发言人

不足之处

  • 项目处于早期阶段,星标数较少,生态和文档成熟度有限
  • 模型体积和推理资源占用较大,CPU 场景下实时性可能受限

适用场景

  • 企业内部会议记录,本地转写并区分发言人,数据不外传
  • 个人开发者给应用接入语音输入,用 OpenAI 接口快速替换云端 ASR
  • macOS 用户本地跑语音转写,利用 Apple Silicon 做离线识别

替代项目

whisper.cpp、faster-whisper、FunASR

上一篇:moshi-rag

下一篇:CrispASR

同类项目推荐

SpeechKITT 开源

几行代码给网页加上语音识别按钮

A flexible GUI for Speech Recognition

★ 518 2026-11-03
react-native-spokestack 开源

给 React Native 应用加上语音交互,一句话搞定识别、合成和理解

Spokestack: give your React Native app a voice interface!

★ 60 2026-08-09
hermes-speech 开源

给 Hermes 智能体装上耳朵和嘴,一句话接入多家语音模型

Hermes Agent TTS and STT plugin for AllModels speech models and voices.

★ 194 2026-09-24
OctoASR 开源

几行 Python 把音频转成文字,快速搭语音识别原型

★ 149 2026-10-12
whisper-local 开源

按住热键说话,本地秒出文字,不联网不订阅

Free, open-source, 100% offline AI dictation for Windows & macOS. Wispr Flow / Drago···

★ 189 2026-10-12
whisper-timestamped 开源

给Whisper识别结果加上精准词级时间戳和置信度

Multilingual Automatic Speech Recognition with word-level timestamps and confidence

★ 2861 2026-08-18
whisper.el 开源

在 Emacs 里说话,文字直接落进缓冲区

Speech-to-Text interface for Emacs using OpenAI's whisper model and whisper.cpp as i···

★ 270 2026-10-03
whisper-ctranslate2 开源

用 CTranslate2 加速 Whisper,本地转写更快更省显存

Whisper command line client compatible with original OpenAI client based on CTransla···

★ 1373 2026-10-05
StreamSpeech 开源

一个模型搞定语音识别、翻译和合成,离线同声两相宜

StreamSpeech is an “All in One” seamless model for offline and simultaneous speech···

★ 1292 2026-08-09