Easy-Voice-Toolkit
一句话搞定语音识别、转写和去噪，小白也能上手
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 ★ 870
使用教程
环境要求
- Python 3.10
- ffmpeg
- 可选 NVIDIA GPU
安装与启动步骤
-
1克隆仓库
带子模块，必须加 --recurse-submodules。
git clone --recurse-submodules https://github.com/Spr-Aachen/Easy-Voice-Toolkit.git cd Easy-Voice-Toolkit -
2装 torch
按显卡选 CUDA 版本，没有 GPU 就装 CPU 版。
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 -
3装依赖与界面库
GUI 依赖单独一个包，漏了会起不来窗口。
pip install -r requirements.txt pip install QEasyWidgets -
4启动界面
跑主入口，按标签页选变声、克隆或转录。
python main.py
如何确认成功
GUI 正常打开，导入一段音频能完成一次推理。
注意事项
- 它把多个开源语音项目包成一套界面，各功能模型首次使用会单独下载。
- 变声延迟与显卡、音频缓冲都有关，先调 buffer 再调模型。
核心亮点
- 统一封装多种语音任务（ASR、去噪、VPR等），接口简洁，调用方便
- 支持常见语音识别模型，开箱即用，适合快速集成
- 提供音频降噪功能，能提升嘈杂环境下的识别准确率
不足之处
- 项目处于早期阶段，文档和社区支持相对薄弱
- 语音转换功能可能依赖外部模型，效果和稳定性需自行验证
适用场景
- 快速为个人应用添加语音转文字功能
- 对录音文件进行降噪预处理后再进行识别
- 验证说话人身份或进行声音相似度比对
替代项目
SpeechRecognition、Vosk、FunASR
同类项目推荐
pyannote-core
开源
把「时间段+标签」的运算封装好，语音标注不再手写区间逻辑
Advanced data structures for handling temporal segments with attached labels.
go-whisper
开源
用 Go 直接跑 Whisper，把音频转成文字
Speech-to-Text in golang
SpeechKITT
开源
几行代码给网页加上语音识别按钮
A flexible GUI for Speech Recognition
Faster-Whisper-Transcriber
开源
录音或音频文件，本地快速转成文字
Record audio or transcribe files using ctranslate2 and whisper!
awesome-speech-recognition-speec···
开源
按图索骥，快速入门语音识别与合成论文
Automatic Speech Recognition (ASR), Speaker Verification, Speech Synthesis, Text-to-···
awesome-whisper
开源
一页清单找齐 Whisper 生态工具，省去全网翻找
Awesome list for Whisper — an open-source AI-powered speech recognition system deve···
LiveWhisper
开源
让 Whisper 实时出字，终端语音输入即说即显
A nearly-live implementation of OpenAI's Whisper, using sounddevice. Requires existi···
PaddleSpeech
开源
一站式语音工具箱，快速实现识别、合成与唤醒
Easy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ···
Audar-ASR-V1
开源
阿拉伯语语音识别领先者，方言也能精准转写
Arabic-first generative speech recognition — Audar-ASR-V1 (Flash + Turbo). #1 on th···