kaldi-gstreamer-server

收录理由

多数Kaldi项目止步于离线批量解码，而这个服务器解决的是更棘手的实时识别难题——通过websocket接收音频，在说话人还在开口时就把部分识别结果流式返回，正是语音输入法和实时字幕背后的交互逻辑。它采用主从架构，协调逻辑与解码进程分离，工作节点可以部署在远程机器上，随并发会话增加灵活扩展。基于静音切分处理长语音流，还能用大语言模型对识别网格重打分以提升精度。不过，你需要自己编译Kaldi及其GStreamer插件，并接受Python 2时代的依赖环境，因此更适合已经熟悉Kaldi工具链的团队。