หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซี/ซี++
ดาวน์โหลด

ฟังก์ชั่นที่รองรับ

การรู้จำเสียง การสังเคราะห์เสียงพูด
บัตรประจำตัวของผู้พูด การถอดเสียงของผู้พูด การตรวจสอบวิทยากร
การระบุภาษาพูด การแท็กเสียง การตรวจจับกิจกรรมเสียง
การจำแนกคำหลัก เพิ่มเครื่องหมายวรรคตอน

แพลตฟอร์มที่รองรับ

สถาปัตยกรรม หุ่นยนต์ ไอโอเอส หน้าต่าง ระบบปฏิบัติการ macOS ลินุกซ์ HarmonyOS
x64
x86
อาร์ม64
แขน32
riscv64

ภาษาการเขียนโปรแกรมที่รองรับ

1. ซี++ 2. ซี 3. หลาม 4. จาวาสคริปต์
5. ชวา 6. ซี# 7. คอตลิน 8. สวิฟท์
9. ไป 10. โผ 11. สนิม 12. ปาสคาล

สำหรับการสนับสนุนของ Rust โปรดดูที่ sherpa-rs

นอกจากนี้ยังรองรับ WebAssembly

การแนะนำ

พื้นที่เก็บข้อมูลนี้รองรับการเรียกใช้ฟังก์ชันต่อไปนี้ ในเครื่อง

  • คำพูดเป็นข้อความ (เช่น ASR); รองรับทั้งแบบสตรีมมิ่งและไม่สตรีมมิ่ง
  • การอ่านออกเสียงข้อความ (เช่น TTS)
  • การถอดเสียงของผู้พูด
  • บัตรประจำตัวของผู้พูด
  • การตรวจสอบวิทยากร
  • การระบุภาษาพูด
  • การแท็กเสียง
  • VAD (เช่น silero-vad)
  • การจำแนกคำหลัก

บนแพลตฟอร์มและระบบปฏิบัติการดังต่อไปนี้:

  • x86, x86_64 , ARM 32 บิต, ARM 64 บิต (arm64, aarch64), RISC-V (riscv64)
  • ลินุกซ์, macOS, Windows, openKylin
  • แอนดรอยด์, แวร์โอเอส
  • ไอโอเอส
  • HarmonyOS
  • โหนดJS
  • Webแอสเซมบลี
  • ราสเบอร์รี่ปี่
  • อาร์วี1126
  • ลิ้นจี่Pi4A
  • วิชั่นไฟว์ 2
  • 旭日X3派
  • 爱芯派
  • ฯลฯ

ด้วย API ต่อไปนี้

  • C++, C, หลาม, ไป, C#
  • ชวา, คอตลิน, จาวาสคริปต์
  • สวิฟท์, รัสต์
  • โผ, วัตถุปาสคาล

ลิงค์สำหรับ Huggingface Spaces

คุณสามารถเยี่ยมชมช่องว่าง Huggingface ต่อไปนี้เพื่อลองใช้ sherpa-onnx โดยไม่ต้องติดตั้งอะไรเลย สิ่งที่คุณต้องมีคือเบราว์เซอร์
คำอธิบาย URL
การถอดเสียงของผู้พูด คลิกฉัน
การรู้จำเสียง คลิกฉัน
การรู้จำเสียงด้วย Whisper คลิกฉัน
การสังเคราะห์เสียงพูด คลิกฉัน
สร้างคำบรรยาย คลิกฉัน
การแท็กเสียง คลิกฉัน
การระบุภาษาพูดด้วย Whisper คลิกฉัน

เรายังมีพื้นที่ที่สร้างขึ้นโดยใช้ WebAssembly พวกเขาอยู่ด้านล่าง:

คำอธิบาย พื้นที่กอดหน้า พื้นที่โมเดลสโคป
การตรวจจับกิจกรรมเสียงด้วย silero-vad คลิกฉัน地址
การรู้จำเสียงพูดแบบเรียลไทม์ (จีน + อังกฤษ) ด้วย Zipformer คลิกฉัน地址
การรู้จำเสียงพูดแบบเรียลไทม์ (จีน + อังกฤษ) ด้วย Paraformer คลิกฉัน地址
การรู้จำเสียงพูดแบบเรียลไทม์ (จีน + อังกฤษ + กวางตุ้ง) พร้อม Paraformer-large คลิกฉัน地址
การรู้จำเสียงพูดแบบเรียลไทม์ (อังกฤษ) คลิกฉัน地址
VAD + การรู้จำคำพูด (จีน + อังกฤษ + เกาหลี + ญี่ปุ่น + กวางตุ้ง) ด้วย SenseVoice คลิกฉัน地址
VAD + การรู้จำคำพูด (อังกฤษ) พร้อม Whisper Tiny.en คลิกฉัน地址
VAD + การรู้จำคำพูด (ภาษาอังกฤษ) พร้อม Moonshine Tiny คลิกฉัน地址
VAD + การรู้จำคำพูด (ภาษาอังกฤษ) พร้อม Zipformer ที่ผ่านการฝึกอบรมด้วย GigaSpeech คลิกฉัน地址
VAD + การรู้จำคำพูด (ภาษาจีน) ด้วย Zipformer ที่ผ่านการฝึกอบรมด้วย WenetSpeech คลิกฉัน地址
VAD + การรู้จำคำพูด (ภาษาญี่ปุ่น) ด้วย Zipformer ที่ผ่านการฝึกอบรมด้วย ReazonSpeech คลิกฉัน地址
VAD + การรู้จำคำพูด (ภาษาไทย) ด้วย Zipformer ที่ได้รับการฝึกด้วย GigaSpeech2 คลิกฉัน地址
VAD + การรู้จำคำพูด (ภาษาจีน 多种方言) ด้วยโมเดล TeleSpeech-ASR CTC คลิกฉัน地址
VAD + การรู้จำคำพูด (อังกฤษ + จีน 及多种中文方言) พร้อม Paraformer-large คลิกฉัน地址
VAD + การรู้จำคำพูด (อังกฤษ + จีน 及多种中文方言) พร้อม Paraformer-small คลิกฉัน地址
การสังเคราะห์เสียงพูด (อังกฤษ) คลิกฉัน地址
การสังเคราะห์เสียงพูด (ภาษาเยอรมัน) คลิกฉัน地址
การถอดเสียงของผู้พูด คลิกฉัน地址

ลิงก์สำหรับ Android APK ที่สร้างไว้ล่วงหน้า

คุณสามารถค้นหา APK ของ Android ที่สร้างไว้ล่วงหน้าสำหรับพื้นที่เก็บข้อมูลนี้ได้ในตารางต่อไปนี้
คำอธิบาย URL中国用户
การถอดเสียงของผู้พูด ที่อยู่点此
การรู้จำคำพูดแบบสตรีมมิ่ง ที่อยู่点此
ข้อความเป็นคำพูด ที่อยู่点此
การตรวจจับกิจกรรมเสียง (VAD) ที่อยู่点此
VAD + การรู้จำคำพูดแบบไม่สตรีมมิ่ง ที่อยู่点此
การรู้จำเสียงพูดสองรอบ ที่อยู่点此
การแท็กเสียง ที่อยู่点此
การแท็กเสียง (WearOS) ที่อยู่点此
บัตรประจำตัวของผู้พูด ที่อยู่点此
การระบุภาษาพูด ที่อยู่点此
การจำแนกคำหลัก ที่อยู่点此

ลิงก์สำหรับ Flutter APP ที่สร้างไว้ล่วงหน้า

การรู้จำเสียงพูดแบบเรียลไทม์

คำอธิบาย URL中国用户
การรู้จำคำพูดแบบสตรีมมิ่ง ที่อยู่点此

ข้อความเป็นคำพูด

คำอธิบาย URL中国用户
ระบบปฏิบัติการ Android (arm64-v8a, armeabi-v7a, x86_64) ที่อยู่点此
ลินุกซ์ (x64) ที่อยู่点此
macOS (x64) ที่อยู่点此
macOS (arm64) ที่อยู่点此
หน้าต่าง (x64) ที่อยู่点此

หมายเหตุ: คุณต้องสร้างจากแหล่งที่มาสำหรับ iOS

ลิงก์สำหรับแอป Lazarus ที่สร้างไว้ล่วงหน้า

การสร้างคำบรรยาย

คำอธิบาย URL中国用户
สร้างคำบรรยาย (生成字幕) ที่อยู่点此

ลิงค์สำหรับโมเดลที่ผ่านการฝึกอบรมมาแล้ว

คำอธิบาย URL
การรู้จำเสียง (คำพูดเป็นข้อความ, ASR) ที่อยู่
การอ่านออกเสียงข้อความ (TTS) ที่อยู่
ภาษีมูลค่าเพิ่ม ที่อยู่
การจำแนกคำหลัก ที่อยู่
การแท็กเสียง ที่อยู่
การระบุผู้พูด (Speaker ID) ที่อยู่
การระบุภาษาพูด (รหัสภาษา) ดูรุ่น Whisper ASR หลายภาษาจากการรู้จำเสียง
เครื่องหมายวรรคตอน ที่อยู่
การแบ่งส่วนผู้พูด ที่อยู่

ASR รุ่นที่ได้รับการฝึกอบรมล่วงหน้าบางรุ่น (สตรีมมิ่ง)

โปรดดู

  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/online-transducer/index.html
  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/online-paraformer/index.html
  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/online-ctc/index.html

สำหรับรุ่นอื่นๆ ตารางต่อไปนี้แสดงรายการเพียง บาง ส่วนเท่านั้น

ชื่อ ภาษาที่รองรับ คำอธิบาย
sherpa-onnx-สตรีมมิ่ง-zipformer-สองภาษา-zh-en-2023-02-20 จีนอังกฤษ ดูเพิ่มเติม
sherpa-onnx-สตรีมมิ่ง-zipformer-ขนาดเล็ก-สองภาษา-zh-en-2023-02-16 จีนอังกฤษ ดูเพิ่มเติม
sherpa-onnx-สตรีมมิ่ง-zipformer-zh-14M-2023-02-23 ชาวจีน เหมาะสำหรับซีพียู Cortex A7 ดูเพิ่มเติม
sherpa-onnx-สตรีมมิ่ง-zipformer-en-20M-2023-02-17 ภาษาอังกฤษ เหมาะสำหรับซีพียู Cortex A7 ดูเพิ่มเติม
sherpa-onnx-สตรีมมิ่ง-zipformer-เกาหลี-2024-06-16 เกาหลี ดูเพิ่มเติม
sherpa-onnx-สตรีมมิ่ง-zipformer-fr-2023-04-14 ภาษาฝรั่งเศส ดูเพิ่มเติม

รุ่น ASR ที่ได้รับการฝึกอบรมล่วงหน้าบางรุ่น (ไม่สตรีมมิ่ง)

โปรดดู

  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/offline-transducer/index.html
  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/offline-paraformer/index.html
  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/offline-ctc/index.html
  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/telespeech/index.html
  • https://k2-fsa.github.io/sherpa/onnx/pretrained_models/whisper/index.html

สำหรับรุ่นอื่นๆ ตารางต่อไปนี้แสดงรายการเพียง บาง ส่วนเท่านั้น

ชื่อ ภาษาที่รองรับ คำอธิบาย
กระซิบ Tiny.en ภาษาอังกฤษ ดูเพิ่มเติม
แสงจันทร์ เล็กๆ ภาษาอังกฤษ ดูเพิ่มเติม
sherpa-onnx-sense-เสียง-zh-en-ja-ko-yue-2024-07-17 จีนกวางตุ้งอังกฤษเกาหลีญี่ปุ่น支持多种中文方言. ดูเพิ่มเติม
เชอร์ปา-onnx-paraformer-zh-2024-03-09 จีนอังกฤษ也支持多种中文方言. ดูเพิ่มเติม
sherpa-onnx-zipformer-ja-reazonspeech-2024-08-01 ญี่ปุ่น ดูเพิ่มเติม
sherpa-onnx-nemo-transducer-giga-am-russian-2024-10-24 ภาษารัสเซีย ดูเพิ่มเติม
sherpa-onnx-nemo-ctc-giga-am-russian-2024-10-24 ภาษารัสเซีย ดูเพิ่มเติม
sherpa-onnx-zipformer-ru-2024-09-18 ภาษารัสเซีย ดูเพิ่มเติม
sherpa-onnx-zipformer-เกาหลี-2024-06-24 เกาหลี ดูเพิ่มเติม
sherpa-onnx-zipformer-thai-2024-06-20 แบบไทย ดูเพิ่มเติม
เชอร์ปา-onnx-telespeech-ctc-int8-zh-2024-06-04 ชาวจีน支持多种方言. ดูเพิ่มเติม

ลิงค์ที่เป็นประโยชน์

  • เอกสารประกอบ: https://k2-fsa.github.io/sherpa/onnx/
  • คลังข้อมูล: https://search.bilibili.com/all?keyword=%E6%96%B0%E4%B8%80%E4%BB%A3Kaldi

ติดต่อเราได้อย่างไร

โปรดดู https://k2-fsa.github.io/sherpa/social-groups.html สำหรับ 新一代 Kaldi微信交流群และ QQ 交流群

โครงการที่ใช้ sherpa-onnx

วอยซ์เอพี

การสตรีม ASR และ TTS ตาม FastAPI

โดยจะแสดงวิธีใช้ ASR และ TTS Python APIs กับ FastAPI

腾讯会议摸鱼工具 TMSpeech

ใช้การสตรีม ASR ใน C # พร้อมส่วนต่อประสานกราฟิกกับผู้ใช้

วิดีโอสาธิตเป็นภาษาจีน: 【เปิด源】Windows实时字幕软件（网课/เปิดเครื่อง会必备）

ฮ่าๆ互动助手

ใช้ JavaScript API ของ sherpa-onnx ร่วมกับ Electron

วิดีโอสาธิตเป็นภาษาจีน:爆了！炫神教คุณเปิดเทอม打字挂！真正影响胜率的英雄联盟工具！ ภาษาอังกฤษ: 英雄联盟的最后一块拼和游戏中的每个人无障碍沟通！

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด