Repolode
Enviar
k2-fsa

k2-fsa/sherpa

Framework de inferência de fala para texto baseado em PyTorch, voltado à implantação de modelos ASR end-to-end pré-treinados de transducer e CTC, com APIs em C++ e Python.

Ver no GitHubSite
Estrelas
1,011
Forks
152
Issues abertas
110
Último commit
há 13 horas

O que é?

sherpa é um framework de inferência para reconhecimento de fala baseado em PyTorch. Ele se concentra exclusivamente em modelos end-to-end, especificamente arquiteturas baseadas em transducer e CTC, e é voltado à implantação: executar modelos pré-treinados para transcrever fala, em vez de treiná-los.

O projeto oferece APIs em C++ e Python. Ele faz parte do ecossistema Kaldi de próxima geração, e o treinamento ou fine-tuning fica a cargo do projeto separado icefall. Também inclui um servidor baseado em WebSocket para disponibilizar o reconhecimento pela rede.

Para implantações que não devem depender do PyTorch, os mesmos autores mantêm sherpa-onnx e sherpa-ncnn, que também têm como alvo iOS, Android e sistemas embarcados.

Recursos principais

  • 01Dá suporte a modelos end-to-end de reconhecimento de fala baseados em transducer e CTC.
  • 02Oferece APIs em C++ e Python.
  • 03Inclui um servidor WebSocket para transcrição pela rede.
  • 04Baseado em PyTorch para executar modelos pré-treinados.

Casos de uso

  • Implantar um modelo de reconhecimento de fala pré-treinado como serviço de streaming via WebSocket.
  • Adicionar conversão de fala em texto, offline ou online, a uma aplicação em Python ou C++.
  • Comparar uma forma de implantação baseada em PyTorch com as variantes ONNX ou ncnn da mesma família de projetos.

Início rápido

  1. 1

    Consulte a documentação para ver as instruções de instalação e uso

  2. 2

    Ou experimente no navegador sem instalar nada

Antes de usar

  • O foco está apenas em modelos end-to-end de transducer e CTC, não em outros tipos de modelo.
  • É voltado apenas para deployment e inference; para treinamento ou fine-tuning, é necessário usar o projeto icefall separadamente.

Tópicos

#speech-recognition#asr#pytorch#transducer#ctc#websocket#end-to-end-asr#cpp#python

Perguntas frequentes

O que é sherpa?
Framework de inferência de fala para texto baseado em PyTorch, voltado à implantação de modelos ASR end-to-end pré-treinados de transducer e CTC, com APIs em C++ e Python. sherpa é um framework de inferência para reconhecimento de fala baseado em PyTorch. Ele se concentra exclusivamente em modelos end-to-end, especificamente arquiteturas baseadas em transducer e CTC, e é voltado à implantação: executar modelos pré-treinados para transcrever fala, em vez de treiná-los.
sherpa é gratuito? Qual é a licença?
sherpa é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
sherpa ainda é mantido?
Manutenção ativa. O último commit de sherpa foi em 20 de out. de 2026.
Para que posso usar sherpa?
Implantar um modelo de reconhecimento de fala pré-treinado como serviço de streaming via WebSocket. Adicionar conversão de fala em texto, offline ou online, a uma aplicação em Python ou C++. Comparar uma forma de implantação baseada em PyTorch com as variantes ONNX ou ncnn da mesma família de projetos.
Como instalar sherpa?
Consulte a documentação para ver as instruções de instalação e uso Ou experimente no navegador sem instalar nada
Onde consigo sherpa?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/k2-fsa/sherpa

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados