企业官网建设流程全解析

不用联网的语音转文字：50MB 的 Vosk 能做什么

【免费下载链接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node项目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api

Vosk 是一个开源的离线语音识别工具包，把音频在本地转成文字，无需网络。模型只有 50MB，支持 20 多种语言，可以跑在树莓派、手机乃至服务器上。它解决的核心问题是：在没有网络、或不想把声音传到云端时，依然能实时把语音转成文字。

为什么选它而不是别的

很多人一听说语音识别，第一反应是调用某个云端 API。Vosk 走的是另一条路：模型整个下载到本地，识别过程不产生任何外发流量。

这带来三个实际好处：

• 不吃带宽。一次识别不占用一次请求，连续转录一小时的录音，成本是零。
• 响应快。它用流式接口，边说边吐结果，而不是等你把话说完再处理。做实时字幕或语音助手时，这一点直接决定体验。
• 隐私可控。会议、访谈这类内容不必上传第三方服务器，数据留在你自己的设备上。

另外它的模型体积小到能塞进移动设备。你不需要一台 GPU 服务器，树莓派或一部 Android 手机就能加载模型完成识别。

能落地的几个场景

它不只是个「转文字」的工具，下面这些事都能直接做：

语音输入。给聊天机器人或虚拟助手加一个耳朵，用户开口，它转成文字再交给后续逻辑处理。

字幕与转录。把电影、讲座、访谈的音频转成带时间戳的文本，生成 SRT、WebVTT 这类字幕格式。仓库示例里就有现成的做法，见 python/example/test_srt.py。

说话人区分。加载说话人模型后，可以判断一句话是谁说的，适合多人访谈的整理。对应示例在 python/example/test_speaker.py。

三步跑通本地语音转文字

先把仓库克隆到本地：

git clone https://gitcode.com/GitHub_Trending/vo/vosk-api

以 Python 为例，核心流程不到五行：

from vosk import Model, KaldiRecognizer model = Model(lang="en-us") rec = KaldiRecognizer(model, 16000) print(rec.Result()) # 喂入音频帧后取结果

完整的可运行脚本见 python/example/test_simple.py。其它语言同理，各目录下的示例都能直接拿来跑：

• Go 示例：go/example/test_simple.go
• Node.js 示例：nodejs/demo/test_simple.js

各语言目录的说明文档也各自独立，见 python/README.md 和 go/README.md。

支持的语言与语言绑定

Vosk 覆盖 24 种语言与方言，常见的有英语（含印度英语）、中文、俄语、法语、德语、西班牙语、葡萄牙语、日语、韩语之外的阿拉伯语、土耳其语、越南语、意大利语、荷兰语，以及乌克兰语、哈萨克语、瑞典语、捷克语、波兰语、印地语等。做多语言语音转文字时，不必为每种语言换一套工具。

移动端有现成的封装：Android 见 android/，iOS 见 ios/，Kotlin 多平台见 kotlin/。无论做Android 语音识别还是树莓派语音识别，都能找到对应入口。

适合谁，下一步做什么

如果你需要一个轻量语音识别库、做开源 ASR方案，又不想把数据交给云端，Vosk 值得先试。它适合独立开发者、嵌入式项目，以及任何在意隐私与成本的场景。

上手路径：先克隆仓库，挑一个你熟悉的语言目录，跑通它的示例脚本，再按需换成自己的音频。完整的安装步骤、模型下载和 API 说明，都在项目根目录的 README.md 里。

【免费下载链接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node项目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api