企业官网建设流程全解析

离线语音识别与合成引擎：Sherpa-Onnx 一次跑通 12 种语言

【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx

本地转写录音、给应用配上合成语音，不想把音频发到云端？sherpa-onnx 是一个基于 ONNX Runtime 的纯本地语音工具库：语音识别（ASR）、语音合成（TTS）、说话人分析、语音活动检测（VAD）全部在设备端完成，当前版本 1.13.7。

它凭什么适合本地部署

• 全链路离线：推理只依赖 onnxruntime（仓库锁定 1.27.1），音频不离开设备，无网络、无账号。
• 一套 C++ 核心：C、Python、Java 等 12 种语言的 API 都绑定自同一内核（sherpa-onnx/csrc/），行为一致。
• 硬件覆盖面广：从树莓派、RISC-V（riscv64）到 RK/Qualcomm/Ascend 四类 NPU，都有对应支持。

能力清单：按场景选模型

实时转写与离线转写

流式（边说边出字）与非流式（整段识别）双模式。流式可选 Zipformer Transducer、Paraformer、CTC；非流式覆盖 Whisper、SenseVoice、Paraformer、Qwen3-ASR、Moonshine、Dolphin-CTC 等。中英日韩粤均有多套模型，可配合热词纠偏专名。

文本转语音：多引擎 TTS

Piper、Kokoro、Matcha、VITS 之外，还内置零样本声音克隆（ZipVoice、Pocket TTS）。macOS 上 4.3 秒的中文音频合成耗时 1.3 秒，RTF 约 0.3。

说话人分析

识别"谁在说"（Speaker ID）与"分了几个人"（Diarization）分开提供，基于 3D-Speaker 等模型，可结合 VAD 做动态说话人切换。

VAD、降噪与唤醒

silero-vad 切分语音片段；GTCRN、DPDFNet 做流式/离线降噪；关键词 spotting 支持自定义唤醒词。这些能力可自由拼装：例如 VAD + 非流式 ASR 是现成组合。

平台与语言支持矩阵

快速上手三步走

1. 克隆仓库：git clone https://gitcode.com/GitHub_Trending/sh/sherpa-onnx
2. 安装 Python 包：pip install sherpa-onnx，再从文档站下载一个 Whisper tiny 模型。
3. 跑通第一个示例：python python-api-examples/offline-decode-files.py --tokens=... --model=... test.wav，输出即识别文本。

C++ 侧用 CMake 编译：cmake -B build -DSHERPA_ONNX_ENABLE_PYTHON=ON（开关见 sherpa-onnx/CMakeLists.txt）；Flutter 插件位于 flutter/sherpa_onnx/。

示例与配套资源

• python-api-examples/：100+ 脚本，覆盖麦克风实时识别、字幕生成（generate-subtitles.py）、WebSocket 客户端。
• c-api-examples/ 与 cxx-api-examples/：C/C++ 完整工程示例。
• android/：17 个 Android 演示应用，覆盖 README；harmony-os/、ios-swiftui/、tauri-examples/ 对应各端。
• wasm/：浏览器 WASM 构建入口；CHANGELOG.md 记录每次发版细节。

选型建议

如果你要在 Android/iOS、Linux 服务器或树莓派上私有化部署 ASR、TTS、说话人分析，sherpa-onnx 是可选的少数"多语言绑定 + 多硬件"组合之一。主要前提：需要自己挑选并下载对应 ONNX 模型，模型精度与语言支持取决于所选模型，而非库本身。

【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx