TensorFlowASR

用 TF2 快速训练和部署端到端语音识别模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署语音识别 🍴 复刻 238 🐛 待处理 48 👀 关注 25

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1018

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费，基于 TensorFlow 2 的 ASR 模型库

项目预览

TensorFlowASR 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类语音识别

开发团队TensorSpeech

官网地址https://huylenguyen.com/asr

GitHubhttps://github.com/TensorSpeech/TensorFlowASR

定价模式🏷️完全免费

价格说明开源免费，基于 TensorFlow 2 的 ASR 模型库

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型automatic-speech-recognition,conformer,contextnet,ctc,deepspeech2,end2end,jasper,rnn-transducer,speech-recognition,speech-to-text,streaming-transducer,subword-speech-recognition,tensorflow,tensorflow2,tflite,tflite-convertion,tflite-model

GitHub 星标★ 1018

上线时间2020-02-13 00:00:00

代码更新2026-11-14

仓库体积104.2 MB

本站数据更新2026-11-15

维护状态活跃

收录时间2026-10-01

浏览次数4

项目介绍

TensorFlowASR 是一个基于 TensorFlow 2 的开源端到端语音识别工具箱，目标是在 TensorFlow 生态中提供接近当前最优（Almost State-of-the-art）的 ASR 能力。它解决了研究者和工程师在 TF2 上缺少统一、可复现语音识别实现的问题，把主流模型结构集中到一个代码库中，包括 Conformer、ContextNet、Jasper、DeepSpeech2 以及 RNN-Transducer 等，并支持 CTC 与 Transducer 两类训练目标。项目同时提供字符级和子词（subword）建模，方便处理中文、英文等不同语言，也支持自定义词表。整体设计强调配置驱动，用户通过 YAML 文件即可切换模型、数据集与解码方式，配套有数据预处理、训练、评估和推理脚本，适合做语音识别实验、模型对比以及二次开发。

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 2026-10-01 · 当前星标 ★ 1018

技术标签

automatic-speech-recognition speech-recognition speech-to-text tensorflow tflite

使用教程

难度：入门约 10 分钟部署方式：本地安装 7 步

环境要求

Python 3.12 或 3.13
已安装 uv 包管理器
git（需要 git clone 拉取仓库）
可选：NVIDIA GPU（安装 cuda extra）
可选：Docker 与 docker-compose（容器方式运行）

安装与启动步骤

1克隆项目仓库

README 明确要求用 git clone 安装，因为训练和测试还需要 ctc_decoders、rnnt_loss 等第三方包。
```
git clone https://github.com/TensorSpeech/TensorFlowASR.git
cd TensorFlowASR
```
2安装默认依赖

普通 uv sync 会安装 tensorflow 与 tensorflow-text，CPU 和 Apple Silicon 用这一条即可。
```
uv sync
```
3可选装GPU支持

NVIDIA 显卡用户改用带 cuda extra 的命令，会安装 tensorflow[and-cuda]。
```
uv sync --extra cuda
```
4可选装开发工具

需要 pytest、ruff、pre-commit 等开发与导出工具时追加 dev extra。
```
uv sync --extra dev
```
5验证命令行

README 示例用 uv run 在环境中执行命令，能打印帮助信息说明安装完成。
```
uv run tensorflow_asr --help
```
6可选：安装TPU版

Cloud TPU 不是 extra，需先 sync 再跑脚本；脚本会先卸载原版 tensorflow 再装 TPU 版。
```
uv sync && ./scripts/install_tpu.sh
```
7可选：容器启动

README 在 Installation 中给出容器运行方式，直接用 docker-compose 后台启动。
```
docker-compose up -d
```

关键配置

配置项	必填	说明	示例
`extra: cuda`	否	在 pyproject.toml 中声明，安装 tensorflow[and-cuda] 供 NVIDIA GPU 使用	`uv sync --extra cuda`
`extra: dev`	否	安装 pytest、ruff、pre-commit、绘图与导出工具	`uv sync --extra dev`
`_（无 extra）`	是	默认只装 tensorflow 与 tensorflow-text，适合 CPU 与 Apple Silicon	`uv sync`