speechbrain

一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 11861

维护状态维护中

是否开源是

定价模式 free

项目预览

项目数据

分类语音识别

开发团队speechbrain

所属国家

官网地址http://speechbrain.github.io

GitHubhttps://github.com/speechbrain/speechbrain

定价模式free

价格说明开源免费，Apache 2.0许可证

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型asr,audio,audio-processing,deep-learning,huggingface,language-model,pytorch,speaker-diarization,speaker-recognition,speaker-verification,speech-enhancement,speech-processing,speech-recognition,speech-separation,speech-to-text,speech-toolkit,speechrecognition,spoken-language-understanding,transformers,voice-recognition

GitHub 星标★ 11861

30天Star增速

HF 下载量

上线时间2020-04-28 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-26

浏览次数13

项目介绍

SpeechBrain 是一个基于 PyTorch 的开源语音工具包，旨在为语音识别、说话人识别、语音增强、语音分离、情感识别等多种语音任务提供统一、灵活且易用的解决方案。它解决了语音领域研究者和开发者面临的环境碎片化、模型复现困难、训练流程复杂等问题，通过模块化设计和丰富的预训练模型，降低了语音 AI 的开发门槛。核心能力包括：支持端到端语音识别（ASR）、说话人验证与识别（Speaker ID）、语音活动检测（VAD）、语音增强与分离、以及多语言语音处理；提供大量预训练模型和 HuggingFace 集成，支持快速微调和推理；内置多种训练配方（recipes），可复现主流论文结果；基于 PyTorch，支持动态图、分布式训练和混合精度，方便自定义扩展。

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

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 15 分钟部署方式：库/依赖 7 步

环境要求

Python 环境（README 未指定具体版本）
已安装 PyTorch（SpeechBrain 是 PyTorch 工具包）
pip 可正常联网安装包
从 GitHub 安装时需已安装 git

安装与启动步骤

1PyPI 安装

最简安装方式，适合只想直接调用 SpeechBrain 功能的用户，一条命令即可完成。
```
pip install speechbrain
```
2验证导入

在 Python 中导入 speechbrain，不报错说明包已装好。
```
import speechbrain as sb
```
3克隆仓库

如需做实验或二次开发，先从 GitHub 拉取源码到本地。
```
git clone https://github.com/speechbrain/speechbrain.git
cd speechbrain
```
4安装依赖

安装仓库根目录 requirements.txt 中列出的全部依赖包。
```
pip install -r requirements.txt
```
5可编辑安装

以 --editable 方式安装，之后对包的修改会自动生效。
```
pip install --editable .
```
6测试安装

跑仓库自带测试，确认安装无误。
```
pytest tests
pytest --doctest-modules speechbrain
```
7运行训练实验

进入具体任务的 recipe 目录，指定 YAML 参数文件启动训练，结果存入 output_folder。
```
cd recipes///
python experiment.py params.yaml
```

关键配置

配置项	必填	说明	示例
`output_folder`	是	YAML 参数文件中指定，训练结果会保存到该目录	`output_folder`

如何确认成功

运行 pytest tests 与 pytest --doctest-modules speechbrain，或在 Python 中 import speechbrain as sb 无报错。

常见问题

Q：PyPI 安装和 GitHub 安装该选哪个？

A：只想调用功能、做推理用 pip install speechbrain；需要做实验或定制 toolkit，则从 GitHub 克隆并 pip install --editable .

Q：--editable 安装有什么好处？

A：README 说明该标志可让对 speechbrain 包的任何修改自动生效，方便边改边用。

Q：训练结果保存在哪里？

A：保存在参数 YAML 文件里指定的 output_folder 目录中。

Q：怎么跑某个任务的训练？

A：进入 recipes/// 目录，执行 python experiment.py params.yaml。

注意事项

README 未给出支持的 Python 版本，建议先确认本地 Python 与 PyTorch 兼容
recipes 路径需按实际数据集与任务替换，不能照抄占位符
从 GitHub 安装前需先 cd 进克隆下来的 speechbrain 目录
推理与微调可参考官网及 HuggingFace 上的预训练模型页面

核心亮点

模块化设计，各组件（特征、模型、解码器）可自由组合，便于研究和定制
内置大量预训练模型和 HuggingFace 集成，开箱即用，推理部署方便
提供丰富的训练配方（recipes），覆盖多种语音任务，可复现论文结果

不足之处

文档相对简略，部分高级功能需要阅读源码或社区讨论
训练大型模型时对显存和计算资源要求较高

适用场景

学术研究：快速复现语音识别、说话人验证等论文基线
工业落地：基于预训练模型进行微调，构建语音交互、声纹识别等产品
教学实验：作为语音处理课程的教学工具，演示端到端语音系统

替代项目

ESPnet、Kaldi、NeMo

上一篇：RealtimeSTT

下一篇：faster-whisper-GUI