sherpa

收录理由

这个项目把预训练好的端到端语音识别模型（transducer 和 CTC 两类）直接变成可用的服务，提供 C++ 和 Python 接口，既能处理离线音频也能应对流式输入。它专门解决推理阶段的工程难题，比如 WebSocket 服务的搭建和端点检测，省去了自己写底层通信的麻烦。项目本身不做训练，配套的模型来自 icefall 这个训练工具，所以使用前需要从那边导出模型。对于做实时字幕、语音助手、通话分析这类音频应用的团队来说，用它快速搭起一个能跑通的识别后端很顺手，不用从头折腾服务器架构和消息传输这些杂活。