Sherpa-onnx 1.10.45 发布FireRedASr 语音识别一次覆盖 11 种语言接口【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx版本速览Sherpa-onnx 1.10.45 的重心是把 FireRedASr 语音识别模型AED注意力机制端到端架构正式纳入框架模型导出为 ONNX 后C、Python、C、CXX、JavaScriptnode-addon 与 WebAssembly、C#、Swift、Dart、Go、Java/Kotlin、Pascal 共 11 种接口同步补齐。此外还修复了 Go 绑定的一处初始化失败隐患和 RTF 计算中的拼写错误。更新全景分类变更项 新增FireRedASr 模型导出到 sherpa-onnxONNX 格式 新增C / Python API 支持 FireRedASr AED 模型 新增C API、CXX API、Java / Kotlin API 新增JavaScript APInode-addon 与 WebAssembly 新增C#、Swift、Dart、Go、Pascal API⚡ 优化本版无独立优化项 修复Go 实例创建成功但底层 C 结构体初始化失败的问题 修复RTF实时因子计算中的拼写错误核心功能深读FireRedASr AED 模型的接入路径FireRedASr 是一个中英混合的 AED 语音识别模型。这个版本解决的问题是过去想在客户端使用它需要自己搭推理管线现在框架接管了从 ONNX 导出到语言绑定的整条链路。实现思路不复杂模型拆成 encoder 与 decoder 两个 ONNX 文件统一挂进现有的 OfflineRecognizer 入口各语言绑定复用同一套底层 C API——一次导出11 种接口全部可用。按使用场景划分支持范围性能敏感场景C / C、C API服务端与桌面Python、JavaScriptnode-addon、C#移动端与 Web 前端Java / KotlinAndroid、SwiftiOS、DartFlutter、WebAssembly浏览器其他Go、Pascal可参考的示例文件Python 示例、Node.js 示例、Pascal 示例。修复与稳定性Go 绑定内存修复说明Go 绑定此前存在一个隐蔽场景底层 C 结构体初始化失败时Go 侧实例创建仍会返回“成功”对象后续使用存在越界访问风险。修复后创建失败会正确返回 nil调用方可以显式判空。对用 Go 部署识别服务的用户来说这是一次把潜在崩溃提前暴露为可处理错误的修正。RTF 拼写错误修复的影响则是指标层面实时因子是评估语音识别性能的核心数据修正后监控与调优拿到的数字才可信。快速上手Python 两步接入安装 Python 包并运行官方示例即可跑通 FireRedASr AED 模型pip install sherpa-onnx python3 python-api-examples/offline-fire-red-asr-decode-files.py运行前需下载模型包sherpa-onnx-fire-red-asr-large-zh_en含 encoder/decoder 的 int8 ONNX 与示例音频下载地址见 offline-fire-red-asr-decode-files.py 文件头部注释。其他语言的调用方式见 kotlin-api-examples/ 与 dotnet-examples/offline-decode-files/ 中对应的 FireRedAsr 示例。谁适合升级谁可以先观望建议升级需要中英混合识别且要落地到客户端的团队——Android、iOS、桌面、浏览器端都有现成接口接入成本最低用 Go 写识别服务的用户为规避上文提到的初始化隐患也值得升级。可以先观望已有 Whisper、Paraformer 等模型且管线运行稳定的项目。建议先用 Python 示例离线对比 FireRedASr 在自己语料上的效果再决定是否切换。写在最后1.10.45 延续了 sherpa-onnx 一贯的节奏新模型先进 ONNX 导出再补齐全部语言绑定保证任何技术栈的开发者拿到的是同代能力。随着 ASR 模型持续入池跨平台语音识别的可选方案还会继续变多选型时多一组参照。【免费下载链接】sherpa-onnxSpeech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考