GigaAM
开箱即用的俄语语音识别基础模型，快速集成高精度转写
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 2026-08-09 · 当前星标 ★ 917
使用教程
环境要求
- Python 3.9+
- PyTorch
- ffmpeg
安装与启动步骤
-
1克隆并装包
以可编辑方式安装，带 torch extra 才会拉 PyTorch。
git clone https://github.com/salute-developers/GigaAM.git cd GigaAM pip install -e .[torch] -
2下权重
模型权重按 README 给出的 HF 地址下载，放好后加载验证。
-
3跑转写
用官方示例对一段俄语音频转写，确认采样率与预处理一致。
-
4长音频
长音频装 longform extra 走分段管线，避免一次喂太长。
pip install -e ".[longform]"
如何确认成功
示例音频输出可读的俄文转写。
注意事项
- 主要面向俄语，中文效果不佳，别拿来当通用 ASR。
核心亮点
- 提供预训练权重，无需从头训练即可获得高精度识别
- 支持流式识别，适合实时语音交互场景
- 代码结构清晰，依赖少，易于集成到现有Python项目
不足之处
- 主要针对俄语优化，对中文等语言支持有限
- 文档和社区生态尚不完善，示例较少
适用场景
- 俄语语音助手和客服系统的语音转文字
- 会议、讲座等长音频的离线转写
- 语音数据预处理和特征提取
替代项目
Whisper、Vosk、Kaldi
上一篇：SpeechPrompt
下一篇：whisper.cpp
同类项目推荐
AudioScript
开源
本地离线实时转写，屏幕浮窗看字幕
[讯飞同传]免费平替——本地系统语音实时翻译转写，国际会议、外语播客、游戏语音、生肉影···
blitztext-app
开源
按一下说话，松手文字就出现在光标处
Local-first dictation for macOS. Speak, text, done. Parakeet or Whisper on your Mac,···
myG2P
开源
把缅甸语文字变音素，让语音识别和合成更准。
Myanmar (Burmese) Language Grapheme to Phoneme (myG2P) Conversion Dictionary for spe···
onnx-asr
开源
几行代码用 ONNX 跑语音识别，不装重型框架
A lightweight Python package for Automatic Speech Recognition using ONNX models
izwi
开源
本地跑通语音转写、克隆和合成，兼容 OpenAI 接口
Voice AI runtime. Local first transcription, speaker diarization, TTS, and voice clo···
crx-live-translate
开源
给任意网页直播实时加双语字幕，免费看外语直播
Chrome/Edge BROWSER EXTENSION that can RECOGNIZE any live audio/video streaming then···
hex
开源
按住快捷键说话，松手文字就出现在任意应用里
Local voice dictation for mac, windows and linux
hayamimi
开源
纯CPU实时多语言字幕，本地跑不用GPU和云
早耳 - Real-time multilingual speech-to-text on CPU only. Live subtitles, browser da···
phonon
开源
量化语音识别模型，一条命令本地转写
Phonon: open speech recognition models (Phonon-2, Phonon-1) — CLI, CPU and CUDA ima···