nyosegawa/speech.cpp

Что это?

Ключевые возможности

• 01Синтез речи с несколькими семействами моделей и именованными голосами.
• 02Распознавание речи с определением языка, временными метками и метками говорящих.
• 03Транскрибация речи с микрофона в реальном времени через `speech asr --live`.
• 04Совместимые с OpenAI эндпоинты для работы с аудио и транскрибации в реальном времени на localhost.
• 05Работа на Metal, Vulkan или CPU без Python и CUDA.

Сценарии использования

• Добавление локального синтеза речи или транскрибации в приложение, использующее аудио API OpenAI.
• Создание голосового помощника, который транскрибирует речь с микрофона в реальном времени.
• Офлайн-транскрибация записей на японском и других языках на персональном компьютере.
• Встраивание моделей речи в другую программу через C API или worker с JSON Lines.

Быстрый старт

1. 1

   Установите speech с помощью официального скрипта установки из README

2. 2

   Синтезируйте фразу с помощью Qwen3-TTS (при первом запуске модель будет загружена)

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

   Расшифруйте файл WAVE с помощью Qwen3-ASR

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

   Откройте локальную веб-страницу, чтобы выбрать модели, сгенерировать речь и расшифровать запись

   speech serve --open

Что важно знать

• !Скрипты установки доступны только для macOS на Apple silicon, Linux x86-64 и Windows x64; для Mac с Intel потребуется сборка из исходного кода.
• !Сервер прослушивает 127.0.0.1 и не использует аутентификацию.
• !Некоторые модели очень велики: например, drama-3 занимает 20,8 ГБ, а nemotron-3.5-transcribe — 19,0 ГБ.

В подборках

Темы

Частые вопросы

Что такое speech.cpp?

Набор инструментов для работы с речью на C++ и ggml: синтез речи, распознавание и обнаружение голосовой активности на Metal, Vulkan или CPU, с сервером, совместимым с OpenAI. speech.cpp предоставляет единую команду `speech` и общую библиотеку `libspeech` с единым C API для синтеза и распознавания речи, обнаружения голосовой активности и диаризации говорящих. Проект работает на CPU, Metal и Vulkan через ggml. Каждая модель загружается по имени одним файлом GGUF, содержащим кодек, поэтому Python и CUDA не нужны.

speech.cpp можно использовать бесплатно? Какая у него лицензия?

speech.cpp распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.

speech.cpp всё ещё поддерживается?

Активно поддерживается. Последний коммит в speech.cpp — 1 нояб. 2026 г..

Для чего можно использовать speech.cpp?

Добавление локального синтеза речи или транскрибации в приложение, использующее аудио API OpenAI. Создание голосового помощника, который транскрибирует речь с микрофона в реальном времени. Офлайн-транскрибация записей на японском и других языках на персональном компьютере. Встраивание моделей речи в другую программу через C API или worker с JSON Lines.

Как установить speech.cpp?

Установите speech с помощью официального скрипта установки из README Синтезируйте фразу с помощью Qwen3-TTS (при первом запуске модель будет загружена): speech tts qwen3-tts-0.6b --voice ryan -o hello.wav "Hello. It will be sunny in Tokyo tomorrow." Расшифруйте файл WAVE с помощью Qwen3-ASR: speech asr qwen3-asr-0.6b hello.wav Откройте локальную веб-страницу, чтобы выбрать модели, сгенерировать речь и расшифровать запись: speech serve --open

Где скачать speech.cpp?

Исходный код и инструкции по установке — на GitHub: https://github.com/nyosegawa/speech.cpp