Windows on ARM上使用sherpa-onnx实现语音识别

最新推荐文章于 2025-04-08 10:42:05 发布
最新推荐文章于 2025-04-08 10:42:05 发布
阅读量531 收藏
点赞数
分类专栏： Windows on arm开发 文章标签： 语音识别 人工智能 WOA Windows on arm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lpcarl/article/details/143361885
版权

Windows on ARM上使用sherpa-onnx实现语音识别

下载模型

模型所在的地址在这里（），通过git命令将模型下载下来
模型:hfd地址

git clone https://hf-mirror.com/csukuangfj/sherpa-onnx-streaming-paraformer-bilingual-zh-en

将如下的代码保存成一个speech-recognition-from-microphone.py文件，并跟模型放在一起，像这样
在这里插入图片描述

import os
import ctypes

# 添加 DLL 所在的目录
os
了解本专栏 订阅专栏 解锁全文
Windows on ARM编译python的sherpa-onnx库
lpcarl的专栏
10-30 497
Sherpa，作为Next-gen Kaldi项目的一个部署框架，它支持将语音相关的预训练模型部署到各种平台上，并且支持多种语言绑定。具体来说，Sherpa的功能和特点包括：跨平台部署：Sherpa可以将语音模型部署到不同的硬件和软件平台上，包括云服务器、边缘设备（如智能手机、IoT设备等）等。这种跨平台的能力使得Sherpa具有很高的灵活性和适应性，可以满足不同场景下的需求。多种语言绑定：Sherpa支持多种编程语言接口，如Python、C++等。
将sherpa-onnx嵌入unity中进行语音识别（ASR）
fasd385sd的博客
12-07 1790
是一个开源项目，旨在提供离线的语音识别、文本转语音、说话人识别和语音活动检测（VAD）功能。该项目支持很多语言，其中包括C#，在原项目文件中有C#示例，因此可以移植到unity中，本文参考了sherpa-onnx的TTS实现和原项目C#示例代码。首先该项目进行语音识别需要语音识别大模型，我这边以模型作为测试，要下载该模型请自行去该项目的官方网址去下载。​然后需要导入相关dll库和lib库，我在原项目文件中找了很久都没找到，最后在他的示例项目中找到。现在万事俱备，接下来可以开始了。
实时语音识别与声学活动检测利器：Sherpa-NCNN
gitblog_01214的博客
10-18 519
实时语音识别与声学活动检测利器：Sherpa-NCNN sherpa-ncnn k2-fsa/sherpa-ncnn: Sherpa-NCNN 项目可能是与基于 NCNN 深度学习推理库的模型部署相关的代码或工具包，用于在移动设备上高效运行深度学习模型。 ...
sherpa-onnx部署笔记
最新发布
guoqingru0311的博客
04-08 1046
sherpa-onnx部署笔记
推荐文章：Sherpa - 高效的端到端语音识别框架
gitblog_00006的博客
05-22 544
推荐文章：Sherpa - 高效的端到端语音识别框架 sherpa Speech-to-text server framework with next-gen Kaldi 项目地址: https://gitcode.com/gh_mirrors/sh/sherpa...
sherpa-onnx流式ASR模型
09-26
sherpa-onnx流式ASR模型 或者去sherpa官网下载对应模型 模型名 sherpa-onnx-streaming-zipformer-bilingual-zh-en-2023-02-20
snowboy+新一代kaldi（k2-fsa）sherpa-onnx实现离线语音识别【语音助手】
热门推荐
殷长庆的博客
08-08 1万+
本系列主要目标初步完成一款智能音箱的基础功能，包括语音唤醒、语音识别(语音转文字)、处理用户请求（比如查天气等，主要通过rasa自己定义意图实现）、语音合成(文字转语音)功能。语音识别、语音合成采用离线方式实现。语音识别使用sherpa-onnx，可以实现离线中英文语音识别。本文用到的一些安装包在snowboy那一篇的必要条件中已经完成了部分构建，在离线语音识别安装完成之后也会把相关代码写道snowboy项目中，语音唤醒之后调用语音识别翻译用户说话的内容。
java调用sherpa-onnx 文字转换语音TTS 镜像离线部署直接调用，已经编译好相关文件和模型
11-26
sherpa-onnx 是一个基于下一代 Kaldi 和 onnxruntime 的开源项目，专注于语音识别、文本转语音、说话人识别和语音活动检测（VAD）等功能。该项目支持在没有互联网连接的情况下本地运行，适用于嵌入式系统、Android、...
sherpa-onnx文字转语音TTS >vits-icefall-zh-aishell3模型
11-26
其中，sherpa-onnx作为一种高效的文字转语音解决方案，依托于强大的ONNX（Open Neural Network Exchange）运行时环境，能够实现在不同的硬件平台上的快速推理和部署。sherpa-onnx集成了多种前沿的TTS模型，其中包括...
sherpa-onnx说话人识别+语音识别自动开启（VAD）+语音识别Python API
lstef的博客
06-17 3744
实现实时语音识别，自动识别语音开始结束，识别讲话人身份
sherpa-ncnn 语言模型简单对比
天飓的技术博客
10-12 1071
在昨天把系统搞崩溃前，对sherpa-ncnn的中文模型做了一个简单的对比。这次使用的分别是sherpa-ncnn-streaming-zipformer-bilingual-zh-en-2023-02-13（以下简称bilingual-zh-en-2023-02-13）和sherpa-ncnn-streaming-zipformer-small-bilingual-zh-en-2023-02-16（以下简称small-bilingual-zh-en-2023-02-16）。
C#用命令行的方式调用sherpa-onnx部署的本地语音模型
weixin_65429391的博客
02-19 861
C#用命令行的方式调用sherpa-onnx本地语音模型
强大而全面的语音处理工具——Sherpa-Onnx
gitblog_00354的博客
08-10 2086
强大而全面的语音处理工具——Sherpa-Onnx 项目地址:https://gitcode.com/gh_mirrors/sh/sherpa-onnx 在人工智能的浪潮中，语音技术已成为连接人机的重要桥梁。今天，我们要向您隆重推荐一个开源宝藏——Sherpa-Onnx，一个集多种语音功能于一体的强大本地运行库，完美适配从服务器到边缘设备的各种场景。 项目介绍 Sherpa-Onnx 是一款开源的...
离线语音识别 sherpa-ncnn 尝鲜体验
燕十三的物联网之旅
12-31 3630
有专门的小模型可应用于 Raspberry Pi 4 之类的嵌入式板卡上，在 PC 上可以选择大一点的模型，做一些对比，选择了 csukuangfj/sherpa-ncnn-streaming-zipformer-bilingual-zh-en-2023-02-13 (Bilingual, Chinese + English) 这个模型在 PC 上运行。不需要访问网络，不需要数据传输，完全本地识别。识别效果：识别速度很快，效果比较好，但是只支持wav格式的音频，其他格式的需要转换后才能识别。
sherpa-onnx 安装和配置指南
gitblog_07717的博客
09-13 3740
sherpa-onnx 安装和配置指南 sherpa-onnx k2-fsa/sherpa-onnx: Sherpa-ONNX 项目与 ONNX 格式模型的处理有关，可能涉及将语音识别或者其他领域的模型转换为 ONNX 格式，并进行优化和部署。 ...
Sherpa-ONNX：说话人识别与语音识别自动开启（VAD）+ Python API 完整指南
小蜗牛的珍贵百宝箱
10-11 3380
Sherpa-ONNX 是一个基于 ONNX 的轻量级语音识别框架，支持多种语音处理任务，包括说话人识别（Speaker Recognition）和自动语音识别（Automatic Speech Recognition, ASR）。在本指南中，我们将重点介绍如何使用 Sherpa-ONNX 进行说话人识别、自动开启语音识别（VAD）以及如何通过 Python API 进行操作。通过使用 Sherpa-ONNX，我们成功地实现了说话人识别和语音识别的自动开启。
【PaddleSpeech进阶】语音合成-onnx模型使用
coc_ai_studio的博客
08-19 4708
🚀 PaddleSpeech 是 all-in-one 的语音算法工具箱，包含多种领先国际水平的语音算法与预训练模型。你可以从中选择各种语音处理工具以及预训练模型，支持语音识别，语音合成，声音分类，声纹识别，标点恢复，语音翻译等多种功能，PaddleSpeech Server模块可帮助用户快速在服务器上部署语音服务。PaddleSpeech团队发表的论文入选NAACL2022，荣获。
【开发语音助手】android 语音识别、合成、唤醒 sherpa
这个人很懒什么都没有~
10-19 6167
前面介绍了 android 部署大模型，下一步就是语音处理，这里我们选用 sherpa 开源项目部署语音识别、合成、唤醒等模型。离线语音识别库有whisper、kaldi、pocketshpinx等，在了解这些库的时候，发现了所谓“下一代Kaldi”的sherpa。从文档和模型名称看，它是一个很新的离线语音识别库，支持中英双语识别，文件和实时语音识别。sherpa是一个基于下一代 Kaldi 和 onnxruntime 的开源项目，专注于语音识别、文本转语音、说话人识别和语音活动检测（VAD）等功能。
新一代kaldi：sherpa-onnx树莓派
02-09
### 安装和配置新一代 Kaldi (sherpa-onnx) on 树莓派 #### 准备工作 确保树莓派已更新至最新版本的操作系统并安装必要的依赖项。对于基于 Debian 或 Ubuntu 的发行版，可以使用以下命令来更新软件包列表并升级现有软件包： ```bash sudo apt update && sudo apt upgrade -y ``` #### 安装依赖库 为了使 `sherpa-onnx` 正常运行，在树莓派上还需要额外安装一些Python库和其他工具链。执行如下指令完成这些前置条件的部署[^2]: ```bash sudo apt install python3-pip libasound2-dev portaudio19-dev pip3 install --upgrade pip setuptools wheel ``` #### 获取预编译模型文件 下载适用于 ARM 架构的 ONNX 模型以及相应的解码资源。可以从官方GitHub仓库或者其他可信源获取所需资源，并将其放置于合适的位置以便后续调用。 ```bash mkdir -p ~/kaldi-models && cd ~/kaldi-models wget https://github.com/k2-fsa/sherpa/releases/download/v0.6.0/offline-zip-ctc-aishell.zip unzip offline-zip-ctc-aishell.zip ``` #### 安装 Sherpa-Onnx Python 包 通过 PyPI 来安装最新的 `sherpa-onnx` 版本，这一步骤会自动处理大部分兼容性和路径设置问题。 ```bash pip3 install sherpa-onnx ``` #### 编写测试脚本 创建一个新的 Python 文件用于验证安装是否成功，同时也可以作为未来开发的基础框架。 ```python import wave from pathlib import Path import sherpa_onnx def main(): recognizer = sherpa_onnx.Recognizer( tokens=Path("~/kaldi-models/tokens.txt").expanduser(), encoder=Path("~/kaldi-models/encoder.onnx").expanduser(), decoder=Path("~/kaldi-models/decoder.onnx").expanduser(), joiner=Path("~/kaldi-models/joiner.onnx").expanduser() ) with wave.open("/path/to/test.wav") as f: samples = f.readframes(f.getnframes()) result = recognizer.decode(samples) print(result) if __name__ == "__main__": main() ``` 以上就是关于如何在树莓派设备上安装和初步应用新一代 Kaldi (`sherpa-onnx`) 进行语音识别的过程介绍。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值