开源语音识别工具包，支持离线与流式 ASR，并提供 VAD、标点、说话人区分及 OpenAI 兼容服务。
2.1万2088PythonMIT更新于 前天
k2-fsa/sherpa
基于 PyTorch 的语音转文字推理框架，用于部署预训练的 transducer 与 CTC 端到端语音识别模型，提供 C++ 和 Python 接口。
- Star
- 1,011
- Fork
- 152
- 未关闭 Issue
- 110
- 最近提交
- 15小时前
这是什么？
sherpa 是基于 PyTorch 的语音识别推理框架，专注于端到端模型，即 transducer 和 CTC 两类架构，面向部署场景，用于加载预训练模型把语音转写成文字，而不负责模型训练。
项目同时提供 C++ 和 Python 接口，属于 next-gen Kaldi 生态的一部分。模型训练与微调由独立项目 icefall 负责。项目包含基于 WebSocket 的服务端，可通过网络提供识别服务。
如果部署环境不希望依赖 PyTorch，可以使用同一团队维护的 sherpa-onnx 或 sherpa-ncnn，两者还支持 iOS、Android 和嵌入式系统。
核心功能
- 01支持基于 transducer 和 CTC 的端到端语音识别模型。
- 02同时提供 C++ 和 Python 接口。
- 03包含基于 WebSocket 的服务端，支持网络化转写。
- 04基于 PyTorch 运行预训练模型。
适用场景
- 将预训练语音识别模型部署为基于 WebSocket 的流式服务。
- 在 Python 或 C++ 应用中集成语音转文字功能。
- 在 PyTorch 与同系列 ONNX、ncnn 版本之间选择合适的部署方案。
快速上手
- 1
打开文档查看安装和使用说明
- 2
或者无需安装，直接在浏览器中试用
使用前须知
- 它只专注于基于Transducer和CTC的端到端模型，不支持其他类型的模型。
- 它仅用于部署和推理；训练或微调需要使用另外的icefall项目。
标签
常见问题
- sherpa 是什么？
- 基于 PyTorch 的语音转文字推理框架，用于部署预训练的 transducer 与 CTC 端到端语音识别模型，提供 C++ 和 Python 接口。 sherpa 是基于 PyTorch 的语音识别推理框架，专注于端到端模型，即 transducer 和 CTC 两类架构，面向部署场景，用于加载预训练模型把语音转写成文字，而不负责模型训练。
- sherpa 可以免费使用吗？用的什么许可证？
- sherpa 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
- sherpa 还在维护吗？
- 活跃维护中。sherpa 最近一次提交是在 2026年10月20日。
- sherpa 适合用来做什么？
- 将预训练语音识别模型部署为基于 WebSocket 的流式服务。 在 Python 或 C++ 应用中集成语音转文字功能。 在 PyTorch 与同系列 ONNX、ncnn 版本之间选择合适的部署方案。
- sherpa 怎么安装和运行？
- 打开文档查看安装和使用说明 或者无需安装，直接在浏览器中试用
- 在哪里获取 sherpa？
- 源代码和安装说明在 GitHub 上：https://github.com/k2-fsa/sherpa
概要由 AI 根据项目 README 生成；GitHub 数据每日更新。
相关项目
通用语音识别模型，可转写多种语言音频、将语音翻译为英文并识别语言。
11.1万1.3万PythonMIT更新于 2个月前
微软开源的语音 AI 模型系列，包含长音频语音识别、多人对话语音合成和实时流式语音合成。
5.5万6175PythonMIT更新于 12天前
英伟达开源的语音AI工具包，用于构建、微调和部署语音识别、语音合成及语音大模型。
1.9万3654PythonApache-2.0更新于 12小时前
端到端开源机器学习平台，提供 Python 和 C++ 接口，用于构建和部署 ML 模型。
20.1万8万C++Apache-2.0更新于 7小时前
面向文本、视觉、音频和多模态的前沿机器学习模型定义框架，可用于推理和训练。
16.8万3.5万PythonApache-2.0更新于 7小时前