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 2026-08-10 · 当前星标 ★ 728
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- Python 3.8+
- 可选 GPU
- 音频素材
安装与启动步骤
-
1克隆
先拉代码。
git clone https://github.com/yeyupiaoling/MASR.git -
2装环境
框架对版本敏感，按文档来。
pip install -r requirements.txt -
3下预训练模型
先下小模型验证链路。
# 运行仓库里的模型下载脚本 -
4识别一条音频
用示例音频测试。
# 运行推理脚本并指定音频
如何确认成功
示例音频能输出中文转写文本，字错率可接受。
注意事项
- 它面向中文语音识别，V3 与 V2 不兼容。
- 可部署在服务器与边缘设备上。
核心亮点
- 同时支持流式与非流式，在线离线场景通吃，无需切换框架
- 内置Conformer、Squeezeformer、DeepSpeech2三种主流模型，覆盖不同精度和速度需求
- 数据增强方法丰富，能有效提升模型鲁棒性，减少过拟合
不足之处
- 项目早期阶段，文档和社区支持相对薄弱，遇到问题可能需自行排查
- 模型库和预训练模型较少，实际应用时可能需要从零训练
适用场景
- 实时语音助手、智能客服等需要低延迟流式识别的场景
- 会议录音、视频字幕等离线批量转写场景
- 学术研究中对比不同ASR模型结构或验证新方法的实验平台
替代项目
WeNet、ESPnet、PaddleSpeech
上一篇：BiBi-Keyboard
下一篇：cheetah
同类项目推荐
docker-whisperX
开源
一条命令跑通带说话人分离的词级时间戳语音转写
Dockerfile for WhisperX: Automatic Speech Recognition with Word-Level Timestamps and···
react-native-spokestack
开源
给 React Native 应用加上语音交互，一句话搞定识别、合成和理解
Spokestack: give your React Native app a voice interface!
cheetah
开源
在设备上实时把语音转文字，离线低延迟还保护隐私
On-device streaming speech-to-text engine powered by deep learning
curses
开源
把语音和键盘输入实时变成字幕，推送到 OBS、VRChat 等平台。
Speech to Text and KB input captions for OBS, VRChat, Twitch chat and Discord
talon-ai-tools
开源
用语音直接指挥 AI 工具，解放双手提效
Query LLMs and AI tools with voice commands
AudioScript
开源
本地离线实时转写，屏幕浮窗看字幕
[讯飞同传]免费平替——本地系统语音实时翻译转写，国际会议、外语播客、游戏语音、生肉影···
StreamSpeech
开源
一个模型搞定语音识别、翻译和合成，离线同声两相宜
StreamSpeech is an “All in One” seamless model for offline and simultaneous speech···
whisperX-FastAPI
开源
上传音频，直接拿到带时间戳和说话人标签的转写接口
[Archived, unmaintained] FastAPI service on top of WhisperX
SpeechPrompt
开源
用提示学习统一搞定多种语音任务，无需重训模型
**Interspeech 2022** 《SpeechPrompt: An Exploration of Prompt Tuning on Generative S···