断网了还能离线转写语音吗用 Vosk 三步从装到出结果【免费下载链接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node项目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api会议室录了两小时讨论现场没信号想把它转成文字稿又不能依赖云服务。Vosk 就是一个离线语音识别工具包模型完全跑在本地喂给它 16kHz 的 WAV就能逐句吐出文本全程不需要联网。️ 它到底解决什么问题Vosk 瞄准的是网络不稳或者录音数据不能离开这台机器这类场景。访谈和讲座录完一段长音频要尽快出逐字稿。传云太慢人工听写更慢Vosk 在本地跑一遍脚本几分钟出文本。实时字幕直播、会议里想挂实时字幕。它是流式 API音频一块块喂进去部分结果立刻能显示出来延迟低到基本无感。端侧设备树莓派、Android 手机、对隐私要求严格的家电。模型只有几十兆直接塞进设备本地处理数据不出门。语言方面官方模型覆盖英文、中文、日语、西班牙语等 20 多种语言和方言按语种选模型就行。 装好它需要几步离线语音识别一条命令装完最常用的是 Python 接口一条命令pip install vosk代码里Model(langen-us)会自动拉取对应语言模型默认模型只有几十兆。Java、Node.js、C#、Go、C、Kotlin、Android、iOS 也各有绑定仓库里都带示例工程看 java/、nodejs/ 这些目录下的 README 就能跑通结构基本一致。 跑通第一个例子从 WAV 到文本走一遍音频格式有硬性要求16kHz、单声道、16bit PCM 的 WAVmp3 或 44.1kHz 请先用 ffmpeg 转好。识别主流程如下from vosk import Model, KaldiRecognizer import wave wf wave.open(test.wav, rb) # 16kHz 单声道 16bit WAV model Model(langen-us) # 自动拉取对应语言模型 rec KaldiRecognizer(model, wf.getframerate()) while True: data wf.readframes(4000) if not data: break if not rec.AcceptWaveform(data): continue print(rec.Result())逻辑是按 4000 帧分块读取文件喂给识别器AcceptWaveform返回 True 表示识别出一整句Result()返回包含 text 和逐词信息的 JSON文件读完后还要再调一次FinalResult()收尾。完整版带词级时间戳、部分结果见 python/example/test_simple.py。 用了之后你会发现采样率必须对得上。模型按 16000Hz 训练KaldiRecognizer第二个参数传文件真实采样率。直接丢 44.1kHz 的音频进去识别结果会面目全非先重采样。模型大小和准确率是权衡。默认小模型在树莓派上就能实时跑日常对话够用。专有名词识别率低时优先换目标语言里更大的模型别急着重训。限定词表能明显提命中率。给KaldiRecognizer传一个 JSON 词表它就只认这些词做开灯/关灯这类命令识别或数字播报特别好用python/example/test_words.py 里有现成写法。⚖️ 它适合谁、不适合谁如果你需要录音数据不出设备、在边缘侧做低延迟实时字幕、或者搭一个不依赖 API key 的语音交互Vosk 很合适集成成本低到装完就能跑。但有两点要坦白噪声大、语速快的音频上它的准确率与头部云端语音识别服务有差距识别一种新语言需要预先准备对应模型。如果你的核心诉求是长音频的最高识别精度且不介意联网可以先考虑云服务Vosk 更适合没网或不想联网时选它。另外 training/ 下有一套重训模型的脚本适合专有场景但门槛不低建议有余力再看。建议先用默认英文模型把一个 WAV 跑通熟悉Result()的 JSON 字段再决定要不要换语言模型或加词级时间戳。字幕、麦克风、说话人识别等场景在 python/example/ 里都有现成脚本可以直接改。【免费下载链接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node项目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考