speech-core

端侧本地跑通语音识别、合成与分离，离线低延迟。

speech-core 是一个面向端侧设备的实时语音智能体流水线，用 C++17 编写，基于 ONNX Runtime 和 LiteRT（TensorFlow Lite 的演进版），在设备本地完成语音活动检测（VAD）、流式语音识别（STT）、文本转语音（TTS）以及说话人分离（diarization）。它解决了在无网络或隐私敏感场景下，如何低延迟、低成本地运行完整语音交互链路的问题。核心能力包括：集成 Silero VAD、Parakeet 流式 ASR、Kokoro TTS、Pyannote 说话人分离等模型，提供统一的 C++ API，支持 Linux、Windows、Android 多平台，并针对边缘设备做了推理优化。项目处于早期阶段，但架构清晰，适合作为端侧语音助手的底层引擎，或用于构建需要本地语音处理的智能硬件、车载系统等。