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 2026-10-02 · 当前星标 ★ 361
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。
环境要求
- Docker 与 Compose
- 音频输入
- GPU 可选
安装与启动步骤
-
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纯 CPU 起法
没有显卡时换 cpu 编排文件
docker compose -f compose.cpu.yml up -d -
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
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
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!
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.
OctoASR
开源
几行 Python 把音频转成文字,快速搭语音识别原型
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···
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
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···
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···
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···
