wenet-e2e/wenet

这是什么？

核心功能

• 01通过命令行直接转写音频，内置中英文预训练模型。
• 02Python 接口几行代码即可加载模型并转写。
• 03提供 paraformer、firered、wenetspeech 及 Whisper large-v3 等预训练模型。
• 04提供 x86 等平台的运行时构建，便于部署。
• 05通过 torch-npu 支持昇腾 NPU。

适用场景

• 在命令行或 Python 脚本中转写中文或英文音频文件。
• 基于 PyTorch 训练自定义的端到端语音识别模型。
• 使用提供的运行时部署流式或非流式识别服务。
• 通过 WFST 解码尝试语言模型集成。

快速上手

1. 1

   从 GitHub 安装 Python 包

   pip install git+https://github.com/wenet-e2e/wenet.git
2. 2

   在命令行中转写音频文件

   wenet -m paraformer audio.wav
3. 3

   或使用 Python API 转写音频

   python -c "import wenet; model = wenet.load_model('paraformer'); print(model.transcribe('audio.wav').text)"

使用前须知

• !命令行工具默认使用 CPU，要使用 GPU 需要显式传入 --device cuda。
• !通过 pip 安装的 torch 版本可能与 GPU 驱动不匹配，使用 GPU 时可能需要手动重装。
• !训练和部署需要 Conda、CUDA 以及 sox 等额外依赖，环境配置较繁琐。

收录于专题

标签

常见问题

wenet 是什么？

面向生产环境的端到端语音识别工具包，基于 PyTorch，提供命令行、Python 接口、训练方案和部署运行时。 WeNet 是一个面向生产环境的端到端语音识别工具包。它覆盖从安装预训练模型、通过 `wenet` 命令行或 Python 接口转写音频，到训练新模型并通过运行时部署的完整流程。

wenet 可以免费使用吗？用的什么许可证？

wenet 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。

wenet 还在维护吗？

活跃维护中。wenet 最近一次提交是在 2026年10月26日。

wenet 适合用来做什么？

在命令行或 Python 脚本中转写中文或英文音频文件。 基于 PyTorch 训练自定义的端到端语音识别模型。 使用提供的运行时部署流式或非流式识别服务。 通过 WFST 解码尝试语言模型集成。

wenet 怎么安装和运行？

从 GitHub 安装 Python 包: pip install git+https://github.com/wenet-e2e/wenet.git 在命令行中转写音频文件: wenet -m paraformer audio.wav 或使用 Python API 转写音频: python -c "import wenet; model = wenet.load_model('paraformer'); print(model.transcribe('audio.wav').text)"

在哪里获取 wenet？

源代码和安装说明在 GitHub 上：https://github.com/wenet-e2e/wenet