- 综合排序
- 最热优先
- 最新优先
- 来自专栏云上修行
Sherpa-ONNX 之关键词检测 KWS 入门实战
使用 sherpa-onnx 实现轻量级、高效的关键词检测（Keyword Spotting）前言在智能语音交互中，关键词检测（Keyword Spotting, KWS） 是唤醒语音助手的第一步。 本文将介绍如何使用 sherpa-onnx —— 一个由新一代 Kaldi 团队开发的开源语音识别工具包，来快速搭建一个实时关键词检测系统。为什么选择 sherpa-onnx？ /sherpa-onnx-kws-zipformer-wenetspeech-3.3M-2024-01-01/test_wavs/test_keywords.txt三、自定义关键词sherpa-onnx sherpa-onnx 支持多种平台，可以使用：C++ API 直接集成交叉编译到 ARM/RISC-V使用 int8 量化模型减少内存占用七、总结本文介绍了如何使用 sherpa-onnx 快速搭建一个实时关键词检测系统 /usr/bin/env python3# -*- coding: utf-8 -*-"""Sherpa-ONNX 关键词检测 Demo使用 PyAudio 从麦克风实时读取音频，结合 sherpa-onnx
1.8K00编辑于 2025-12-16 - 来自专栏张善友的专栏
sherpa-onnx：跨平台、多语言的语音处理工具包
Sherpa-onnx 是一个基于 ONNX 运行时的开源语音处理库，支持多种语音相关任务，包括语音识别、语音合成、说话人识别、语言识别等。 sherpa-onnx的设计理念是提供一个灵活、易用且高性能的语音处理解决方案，可以在各种设备和场景中部署使用。 离线运行：sherpa-onnx的一大特点是可以完全离线运行，不需要网络连接。这对于注重隐私和安全性的应用场景非常重要。 高性能：基于ONNX运行时，sherpa-onnx能够提供高效的推理性能，适合在各种计算能力的设备上部署。 从实际应用的角度来看，Sherpa-onnx 已经被用于离线语音识别与声纹识别技术的实践。 Sherpa-onnx 在说话人识别功能方面表现出色，具备强大的硬件兼容性、灵活的编程语言支持以及高效的模型优化能力。
2.9K10编辑于 2025-02-04 - 来自专栏呱牛笔记
rv1106&rv1109&rv1126移植sherpa-onnx 实现TTS功能
rv1109&rv1126移植sherpa-onnx 实现TTS功能 主要问题是rv1126&1109使用的gcc是gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf 10.3-2021.07-x86_64-arm-none-linux-gnueabihf/bin/arm-none-linux-gnueabihf-gcc alientek@ubuntu:~/rv1106/sherpa-onnx 5、下载模型，运行 wget https://github.com/k2-fsa/sherpa-onnx/releases/download/tts-models/vits-icefall-zh-aishell3 /rule-10-0.wav \ > "WIFI配置完成" /home/alientek/rv1106/sherpa-onnx/sherpa-onnx/csrc/parse-options.cc:Read /rule-10-0.wav 'WIFI配置完成' /home/alientek/rv1106/sherpa-onnx/sherpa-onnx/csrc/lexicon.cc:ConvertTextToToken
2.2K10编辑于 2024-04-10 中文语音识别该用谁？6 个开源模型 + 2 个配套工具，一文理清
服务端部署通常用 FunASR 的 Docker 服务或 vLLM；端侧部署（手机、嵌入式设备）则主要靠： sherpa-onnx（Next-gen Kaldi，10.8k Star）：把 Paraformer 比如"用 SenseVoice 模型 + 通过 FunASR 接口调用 + 用 sherpa-onnx 部署到手机上"。下面先比模型，再讲怎么用、怎么部署。 Paraformer-zh（220M） 否 sherpa-onnx（iOS/Android/鸿蒙/RPi/RISC-V/WebAssembly） Qwen3-ASR-0.6B 未明确 未提及端侧方案 八、服务端部署 如果部署在服务器上（云端/机房），不需要 sherpa-onnx 这类端侧运行时，各方案都有自己的服务端部署方式： FunASR Docker 服务：提供离线文件转录和实时流式转录两种服务 需要部署到手机或嵌入式设备中文精度优先选 SenseVoice-Small 或 Paraformer，通过 sherpa-onnx 部署，平台覆盖最广。
97010编辑于 2026-03-20- 来自专栏开源服务指南
开源版 Sora：AI 视频生成的高性能实现 | 开源日报 No.291
k2-fsa/sherpa-onnxhttps://github.com/k2-fsa/sherpa-onnx Stars: 2.0k License: Apache-2.0 sherpa-onnx
50710编辑于 2024-07-10 标星 62.9 万，8 个 yyds 的 GitHub 开源项目 ！
本地运行语音处理：Sherpa-ONNX介绍sherpa-ONNX 是一个开源项目，它允许您在本地设备上运行语音处理模型，包括语音识别、语音合成、说话人识别和语音活动检测。
68710编辑于 2025-03-26一键搞定人脸识别、语音识别、车牌识别本地化！离线跑模型不装框架！！！
sherpa-onnx：基于ONNXRuntime的ASR/TTS推理框架。README中明确提到，SmartJavaAI在ASR侧支持100+语言，并支持实时语音识别。 语音合成（TTS）：多语言、多风格发声在TTS侧，SmartJavaAI同样通过sherpa-onnx集成了多语言语音合成能力，支持中文、方言、粤语、英文、德语等多种语言。 语音与会议场景通过ASR（Whisper/Vosk/sherpa-onnx）+TTS，可以支持会议转写、语音助手、语音导航等功能；实时语音识别能力也适合在客服热线、语音机器人等场景中使用。
52011编辑于 2025-11-28FunASR：几行代码搞定语音识别全流程的开源工具包，GitHub已获15.2k Star！
funasr-export ++model=paraformer ++quantize=false ++device=cpu社区生态围绕 FunASR 的模型，社区贡献了多种部署方案：Triton GPU 部署sherpa-onnx
1K30编辑于 2026-03-17- 来自专栏个人路线
打造鸿蒙三方库生态新基石：从适配共建到生态繁荣
mitmproxy mitmproxy Python 37 https://github.com/rainyl/dartcv dartcv C++ 38 https://github.com/k2-fsa/sherpa-onnx sherpa-onnx C++ 39 https://github.com/mattdesl/gifenc gifenc JavaScript 40 https://github.com/Akaaba
63310编辑于 2025-09-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号