Repolode
Enviar
nyosegawa

nyosegawa/speech.cpp

Kit de ferramentas de fala em C++ baseado em ggml para síntese de voz, reconhecimento de fala e detecção de atividade vocal, com suporte a Metal, Vulkan e CPU, além de um servidor compatível com OpenAI.

Alternativa open source a:OpenAI Whisper API

Ver no GitHub
Estrelas
358
Forks
22
Issues abertas
12
Último commit
há 5 dias

O que é?

speech.cpp oferece um único comando `speech` e uma biblioteca compartilhada, `libspeech`, com uma C API para síntese de fala, reconhecimento de fala, detecção de atividade vocal e diarização de falantes. Ele roda em CPU, Metal e Vulkan por meio do ggml, e cada modelo é baixado pelo nome como um único arquivo GGUF que inclui seu codec, sem precisar configurar Python ou CUDA.

O catálogo inclui Qwen3-TTS, Irodori-TTS e Drama 3 para síntese; e Qwen3-ASR, ReazonSpeech, parakeet, Haas e Nemotron para reconhecimento, além de Silero VAD e diarização do Nemotron para detecção e separação de falantes. O comando `speech serve` disponibiliza localmente, via HTTP, os endpoints de áudio e transcrição da OpenAI, além da transcrição em tempo real. Já `speech asr --live` transcreve a entrada do microfone à medida que a pessoa fala.

Para uso em programas, `speech worker` disponibiliza um modelo carregado por JSON Lines via stdin e stdout, e a C API permite que uma aplicação faça link direto com a biblioteca. Há instaladores para macOS em Apple silicon, Windows x64 e Linux x86-64.

Recursos principais

  • 01Síntese de voz com várias famílias de modelos e vozes identificadas por nome.
  • 02Reconhecimento de fala com detecção de idioma, timestamps e identificação de falantes.
  • 03Transcrição ao vivo do microfone com `speech asr --live`.
  • 04Endpoints de áudio e transcrição em tempo real compatíveis com a OpenAI em localhost.
  • 05Roda em Metal, Vulkan ou CPU, sem precisar de Python ou CUDA.

Casos de uso

  • Adicionar síntese de fala ou transcrição local a um app que usa a API de áudio da OpenAI.
  • Criar um assistente de voz que transcreve a entrada do microfone em tempo real.
  • Transcrever gravações em japonês ou em vários idiomas offline em um computador pessoal.
  • Incorporar modelos de fala a outro programa por meio da C API ou do worker JSON Lines.

Início rápido

  1. 1

    Instale o speech com o script oficial de instalação do README

  2. 2

    Gere uma frase com Qwen3-TTS (o modelo é baixado na primeira vez)

    speech tts qwen3-tts-0.6b --voice ryan -o hello.wav "Hello. It will be sunny in Tokyo tomorrow."
  3. 3

    Transcreva o arquivo WAVE com Qwen3-ASR

    speech asr qwen3-asr-0.6b hello.wav
  4. 4

    Abra a página web local para escolher modelos, gerar fala e transcrever

    speech serve --open

Antes de usar

  • Os scripts de instalação estão disponíveis apenas para macOS com Apple silicon, Linux x86-64 e Windows x64; Macs com Intel exigem compilação a partir do código-fonte.
  • O servidor escuta em 127.0.0.1 e não tem autenticação.
  • Alguns modelos são muito grandes, como drama-3, com 20,8 GB, e nemotron-3.5-transcribe, com 19,0 GB.

Em coleções

Ferramentas de vídeo e áudio com IA

Tópicos

#speech-synthesis#speech-recognition#text-to-speech#voice-activity-detection#ggml#metal#vulkan#local-inference#asr#cpp

Perguntas frequentes

O que é speech.cpp?
Kit de ferramentas de fala em C++ baseado em ggml para síntese de voz, reconhecimento de fala e detecção de atividade vocal, com suporte a Metal, Vulkan e CPU, além de um servidor compatível com OpenAI. speech.cpp oferece um único comando `speech` e uma biblioteca compartilhada, `libspeech`, com uma C API para síntese de fala, reconhecimento de fala, detecção de atividade vocal e diarização de falantes. Ele roda em CPU, Metal e Vulkan por meio do ggml, e cada modelo é baixado pelo nome como um único arquivo GGUF que inclui seu codec, sem precisar configurar Python ou CUDA.
speech.cpp é gratuito? Qual é a licença?
speech.cpp é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
speech.cpp ainda é mantido?
Manutenção ativa. O último commit de speech.cpp foi em 1 de nov. de 2026.
Para que posso usar speech.cpp?
Adicionar síntese de fala ou transcrição local a um app que usa a API de áudio da OpenAI. Criar um assistente de voz que transcreve a entrada do microfone em tempo real. Transcrever gravações em japonês ou em vários idiomas offline em um computador pessoal. Incorporar modelos de fala a outro programa por meio da C API ou do worker JSON Lines.
Como instalar speech.cpp?
Instale o speech com o script oficial de instalação do README Gere uma frase com Qwen3-TTS (o modelo é baixado na primeira vez): speech tts qwen3-tts-0.6b --voice ryan -o hello.wav "Hello. It will be sunny in Tokyo tomorrow." Transcreva o arquivo WAVE com Qwen3-ASR: speech asr qwen3-asr-0.6b hello.wav Abra a página web local para escolher modelos, gerar fala e transcrever: speech serve --open
Onde consigo speech.cpp?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/nyosegawa/speech.cpp

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

Projetos relacionados