speechbrain

一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务

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。