pocketsphinx

收录理由

PocketSphinx 源自卡内基梅隆大学的语音识别技术积累，其核心算法虽可追溯至数十年前，但在不依赖重型神经网络的前提下，依然能为离线、设备端语音转写提供务实方案。对于树莓派、语音控制机器人或需在无网络环境下运行的交互终端等资源受限场景，这套 C 库编译后体积小、运行快，并且保持说话人无关与连续识别能力。Python 绑定让实时或文件输入的快速原型开发变得顺手，命令行工具可直接从标准输入或文件读取 16 位 PCM 音频，方便嵌入既有处理流程。它还支持词级或音素级强制对齐，在标注语音语料、校验发音时颇为实用。需要留意的是，其模型年代较早，识别精度无法与当前云端识别器相比，因此更适合在可控声学环境中作为轻量、少依赖的选择，而非大规模 ASR 的替代品。