Kit open source de reconocimiento de voz para ASR offline y en streaming, con VAD, puntuación, etiquetas de hablante y servicio compatible con OpenAI.
20,8 mil2,1 milPythonMITActualizado anteayer
k2-fsa/sherpa
Framework de inferencia de voz a texto basado en PyTorch para desplegar modelos ASR end-to-end preentrenados de tipo transducer y CTC, con APIs de C++ y Python.
- Estrellas
- 1,011
- Forks
- 152
- Issues abiertos
- 110
- Último commit
- hace 12 horas
¿Qué es?
sherpa es un framework de inferencia para reconocimiento de voz basado en PyTorch. Se centra exclusivamente en modelos end-to-end, concretamente en arquitecturas basadas en transducer y CTC, y está orientado al despliegue: ejecutar modelos preentrenados para transcribir voz, no para entrenarlos.
El proyecto ofrece APIs de C++ y Python. Forma parte del ecosistema de nueva generación de Kaldi, y el entrenamiento o fine-tuning se gestiona en el proyecto independiente icefall. Incluye un servidor basado en WebSocket para ofrecer reconocimiento a través de la red.
Para despliegues que no deban depender de PyTorch, los mismos autores mantienen sherpa-onnx y sherpa-ncnn, que también están dirigidos a iOS, Android y sistemas embebidos.
Funciones clave
- 01Admite modelos end-to-end de reconocimiento de voz basados en transducer y CTC.
- 02Ofrece APIs de C++ y Python.
- 03Incluye un servidor WebSocket para transcribir a través de la red.
- 04Está basado en PyTorch para ejecutar modelos preentrenados.
Casos de uso
- Desplegar un modelo preentrenado de reconocimiento de voz como servicio de streaming a través de WebSocket.
- Añadir conversión de voz a texto, offline u online, a una aplicación de Python o C++.
- Comparar una opción de despliegue basada en PyTorch con las variantes ONNX o ncnn de la misma familia de proyectos.
Inicio rápido
- 1
Consulta la documentación para ver las instrucciones de instalación y uso
- 2
O pruébalo en el navegador sin instalar nada
Antes de usarlo
- Se centra únicamente en modelos end-to-end de transducer y CTC; no admite otros tipos de modelos.
- Está pensado solo para el despliegue y la inferencia; para entrenar o ajustar modelos, se necesita el proyecto icefall por separado.
Temas
Preguntas frecuentes
- ¿Qué es sherpa?
- Framework de inferencia de voz a texto basado en PyTorch para desplegar modelos ASR end-to-end preentrenados de tipo transducer y CTC, con APIs de C++ y Python. sherpa es un framework de inferencia para reconocimiento de voz basado en PyTorch. Se centra exclusivamente en modelos end-to-end, concretamente en arquitecturas basadas en transducer y CTC, y está orientado al despliegue: ejecutar modelos preentrenados para transcribir voz, no para entrenarlos.
- ¿sherpa es gratuito? ¿Qué licencia tiene?
- sherpa es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿sherpa sigue mantenido?
- Mantenimiento activo. El último commit de sherpa fue el 20 oct 2026.
- ¿Para qué puedo usar sherpa?
- Desplegar un modelo preentrenado de reconocimiento de voz como servicio de streaming a través de WebSocket. Añadir conversión de voz a texto, offline u online, a una aplicación de Python o C++. Comparar una opción de despliegue basada en PyTorch con las variantes ONNX o ncnn de la misma familia de proyectos.
- ¿Cómo se instala sherpa?
- Consulta la documentación para ver las instrucciones de instalación y uso O pruébalo en el navegador sin instalar nada
- ¿Dónde consigo sherpa?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/k2-fsa/sherpa
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Modelo de reconocimiento de voz de propósito general que transcribe y traduce audio, e identifica su idioma en muchas lenguas.
110,9 mil13,4 milPythonMITActualizado hace 2 meses
Familia open source de modelos de voz con IA de Microsoft: reconocimiento de voz de larga duración (ASR), text-to-speech (TTS) para varios hablantes y TTS en streaming en tiempo real.
54,9 mil6,2 milPythonMITActualizado hace 12 días
Toolkit de código abierto de NVIDIA para crear, ajustar y desplegar modelos de IA de voz, incluidos reconocimiento de voz (ASR), texto a voz (TTS) y LLM de voz.
18,6 mil3,7 milPythonApache-2.0Actualizado hace 8 horas
Plataforma open source integral para crear e implementar modelos de machine learning, con API para Python y C++.
201,2 mil79,8 milC++Apache-2.0Actualizado hace 4 horas
Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
27,1 mil3,6 milPythonMITActualizado hace 3 meses