k2-fsa/sherpa

これは何？

主な機能

• 01TransducerベースおよびCTCベースのエンドツーエンド音声認識モデルに対応しています。
• 02C++ APIとPython APIの両方を提供します。
• 03ネットワーク経由の文字起こしに使えるWebSocketサーバーを備えています。
• 04PyTorchを基盤とし、学習済みモデルを実行できます。

ユースケース

• 学習済み音声認識モデルをWebSocket経由のストリーミングサービスとしてデプロイする。
• PythonまたはC++アプリケーションにオフラインまたはオンラインの音声文字起こし機能を追加する。
• 同じプロジェクト群のONNX版やncnn版と、PyTorchベースのデプロイ方法を比較する。

クイックスタート

1. 1

   インストール方法と使い方については、ドキュメントをご覧ください

2. 2

   または、何もインストールせずにブラウザーで試せます

使う前に知っておきたいこと

• !対象はtransducerおよびCTCのend-to-endモデルのみで、他の種類のモデルには対応していません。
• !deploymentとinference専用です。trainingやfine-tuningには、別途icefallプロジェクトが必要です。

トピック

よくある質問

sherpa とは？

PyTorchベースの音声認識推論フレームワーク。学習済みのTransducerおよびCTCエンドツーエンドASRモデルをデプロイするためのC++ APIとPython APIを提供します。 sherpaは、PyTorchを基盤とする音声認識推論フレームワークです。TransducerベースとCTCベースのアーキテクチャなど、エンドツーエンドモデルに特化しており、モデルの学習ではなく、学習済みモデルを使った音声の文字起こしを目的としたデプロイに重点を置いています。

sherpa は無料で使えますか？ライセンスは？

sherpa は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

sherpa は今もメンテナンスされていますか？

活発にメンテナンス中。sherpa の最終コミットは 2026年10月20日 です。

sherpa は何に使えますか？

学習済み音声認識モデルをWebSocket経由のストリーミングサービスとしてデプロイする。 PythonまたはC++アプリケーションにオフラインまたはオンラインの音声文字起こし機能を追加する。 同じプロジェクト群のONNX版やncnn版と、PyTorchベースのデプロイ方法を比較する。

sherpa のインストール方法は？

インストール方法と使い方については、ドキュメントをご覧ください または、何もインストールせずにブラウザーで試せます

sherpa はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/k2-fsa/sherpa