nyosegawa/speech.cpp

这是什么？

核心功能

• 01支持多个语音合成模型系列及具名音色。
• 02语音识别支持语言检测、时间戳和说话人标注。
• 03通过 `speech asr --live` 实现麦克风实时转写。
• 04在本地提供兼容 OpenAI 的音频和 Realtime 转写接口。
• 05可在 Metal、Vulkan 或 CPU 上运行，无需 Python 或 CUDA。

适用场景

• 让已使用 OpenAI 音频接口的应用改用本地语音合成或转写。
• 构建可实时转写麦克风输入的语音助手。
• 在个人电脑上离线转写日语或多语言录音。
• 通过 C API 或 JSON Lines worker 将语音模型嵌入其他程序。

快速上手

1. 1

   使用 README 中的官方安装脚本安装 speech

2. 2

   用 Qwen3-TTS 合成一句话(首次运行会自动下载模型)

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

   用 Qwen3-ASR 转写该 WAVE 文件

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

   打开本地网页,选择模型、朗读并转写

   speech serve --open

使用前须知

• !安装脚本仅支持 Apple silicon 的 macOS、x86-64 的 Linux 和 x64 的 Windows;Intel Mac 需要从源码构建。
• !服务器只监听 127.0.0.1 且没有身份验证。
• !部分模型体积很大,例如 drama-3 为 20.8 GB,nemotron-3.5-transcribe 为 19.0 GB。

收录于专题

标签

常见问题

speech.cpp 是什么？

基于 ggml 的 C++ 语音工具，支持语音合成、语音识别和语音活动检测，可在 Metal、Vulkan 或 CPU 上运行。 speech.cpp 提供一个 `speech` 命令和一个共享库 `libspeech`，通过统一的 C API 实现语音合成、语音识别、语音活动检测和说话人分离。它基于 ggml，可在 CPU、Metal 和 Vulkan 上运行。每个模型以单个 GGUF 文件的形式按名称下载，文件内包含对应的音频编解码器，无需安装 Python 或 CUDA。

speech.cpp 可以免费使用吗？用的什么许可证？

speech.cpp 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

speech.cpp 还在维护吗？

活跃维护中。speech.cpp 最近一次提交是在 2026年11月1日。

speech.cpp 适合用来做什么？

让已使用 OpenAI 音频接口的应用改用本地语音合成或转写。 构建可实时转写麦克风输入的语音助手。 在个人电脑上离线转写日语或多语言录音。 通过 C API 或 JSON Lines worker 将语音模型嵌入其他程序。

speech.cpp 怎么安装和运行？

使用 README 中的官方安装脚本安装 speech 用 Qwen3-TTS 合成一句话(首次运行会自动下载模型): speech tts qwen3-tts-0.6b --voice ryan -o hello.wav "Hello. It will be sunny in Tokyo tomorrow." 用 Qwen3-ASR 转写该 WAVE 文件: speech asr qwen3-asr-0.6b hello.wav 打开本地网页,选择模型、朗读并转写: speech serve --open

在哪里获取 speech.cpp？

源代码和安装说明在 GitHub 上：https://github.com/nyosegawa/speech.cpp