【免费下载链接】CrispASRC ggml runtime hub for multilingual ASR and TTS models: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc, plus universal forced alignment, and more项目地址https://gitcode.com/gh_mirrors/cr/CrispASR点击查看免费下载CrispASR 是一个基于 ggml 的 C 语音引擎一个二进制文件内置119 个后端其中 62 个是 TTS 合成引擎零 Python 依赖。本指南教你按语言、速度、部署场景三步定位最合适的ASR语音识别后端和TTS语音合成引擎不用再面对上百个引擎列表发愁。先掌握两条命令列出后端 自动下载模型选后端之前先熟悉两个基本操作crispasr --list-backends # 查看所有后端及功能特性 crispasr --backend parakeet -m auto -f hello.wav -l en # -m auto 首次自动下载模型-m auto首次运行会把默认模型下载到~/.cache/crispasr/之后直接复用无需手动找模型文件不写--backend时引擎会从模型文件GGUF元数据中自动识别后端想要机器可读的完整能力清单可用crispasr --list-backends-json也就是 docs/feature-matrix.md 的数据来源。ASR 后端怎么选10 秒对号入座这是语音识别后端选择的核心速查表官方版本见 README.md你的需求推荐后端一句话理由久经考验、功能全whisper99 种语言原生词级时间戳、GBNF 语法功能最全英文错误率WER最低cohere英文场景的精度标杆极速纯 CPUmoonshine(tiny) /fc-ctc16× / 10× 实时低配设备友好多语言 词级时间戳 快parakeet25 种欧洲语言2.9× 实时时间戳免费多语言 显式指定语言canary用-sl/-tl指定源/目标语言语音翻译X↔英文canary/voxtral/qwen3三选一路由音频翻译30 语言 22 种中文方言qwen3中文场景首选1600 小语种omniasrCTC / LLM 两种解码器可选实时流式识别voxtral4b原生增量编码器真流式离线最高质量voxtral语音大模型中的质量标杆中文 20 方言firered-asr/funasr/paraformer中文专项优化50 语言 自动语言检测 音频事件sensevoice比 Whisper-Large 快约 15 倍轻量 CTC快、无解码器wav2vec2/fc-ctc/data2vec纯编码器小且快只记一条求稳用whisper多语言速度用parakeet中文用qwen3极限速度用moonshine/fc-ctc小语种海选用omniasr。中文场景别只盯着 whisper普通话及方言场景除qwen3外还有这些专项后端firered-asr普通话 20 中文方言另带 120 语言的语言识别LIDglm-asr普通话 方言 粤语MIT 许可funasr/fun-asr-mlt-nano中/粤/英/日/韩多语言版覆盖 31 种语言paraformer非自回归单次前向中文字符级词表速度快sensevoice50 语言一次前向同时输出转写、语言标签和音频事件。不知道说话语言加-l autoCohere、canary、granite、voxtral 等需要先告诉它语言。不确定时加-l autoCrispASR 会先跑一次语言检测crispasr --backend cohere -m cohere-transcribe-q5_0.gguf -f unknown.wav -l auto默认用 whisper-tiny99 语言约 75 MB自动下载可用--lid-backend ecapa官方推荐精度最高或--lid-backend silero16 MB 更省切换。更多细节见 docs/cli.md。TTS 引擎怎么选按合成需求匹配62 个 TTS 引擎的完整对照表在 docs/tts.md按场景速查你的需求推荐引擎首次下载量极致小巧、资源受限piper~30 MB250 社区声音、30 语言小而快、多语言9 语kokoro82M 参数24 kHz31 语言快速合成supertonic~200 MB44.1 kHz10 个预置声音最高保真度 声音克隆qwen3-tts~1.3 GB克隆能力最强实时流式、最低延迟vibevoice-tts~636 MB为实时设计表现力强的英文orpheus~3.5 GBLlama-3.2-3B8 个预置声线多语言 克隆23 语言chatterbox~880 MB流匹配架构中文/英文声音克隆indextts/cosyvoice3cosyvoice3 覆盖 9 语言 18 种中文方言超广语言覆盖600 语言omnivoice~1.6 GB零样本克隆双角色对话[S1]/[S2]标签dia~1.6 GB44.1 kHz合成一行命令搞定crispasr --backend kokoro -m auto --tts Hello world --tts-output hello.wav⚠️合规提示声音克隆需要显式传--i-have-rights系统还会自动为克隆音频加水印、C2PA 标记和口播 AI 声明。完整规则见 docs/eu-ai-act.md。3 条性能建议CPU 还是 GPU先想清楚纯 CPU 优先选编码器系后端。语音大模型系qwen3、voxtral、granite等在 CPU 上会明显变慢老双核机器甚至跌破 0.01× 实时CPU 场景请优先moonshine16×、fc-ctc10×、parakeet2.9×或whisper。GPU 自动选择 手动覆盖。默认优先级 CUDA Metal Vulkan CPU可用--gpu-backend vulkan强制指定-dev 1固定某块显卡核显独显混合时很有用-ng强制 CPU适合基准测试。量化省内存。用crispasr-quantize把模型量化到 Q4_K / Q5_K内存和算力双降。如何公平测量速度而不是测冷启动见 docs/benchmarking.md。常见问题Q必须指定后端吗不用。只给模型文件时会自动识别--backend NAME主要用于配合-m auto或消歧。Q要词级时间戳 / SRT 字幕哪些后端支持whisper、parakeet、canary、cohere、moonshine、kyutai-stt等原生支持CTC 系后端可用强制对齐器-am canary-ctc-aligner.gguf补齐字幕场景推荐--vad --split-on-punct。完整能力矩阵见 docs/feature-matrix.md。Q运行需要 Python 吗不需要。CrispASR 是纯 C 二进制无 Python/PyTorch/pip 依赖需要程序化接入时可用 python/crispasr 绑定以及 Rust、Go、Java、Dart、Ruby 等语言绑定见 docs/bindings.md。延伸阅读官方文档索引新手上路docs/getting-started.md完整 CLI 参数VAD、对齐、输出格式docs/cli.mdTTS 全量指南每个引擎的开关与环境变量docs/tts.md安装与 GPU 构建CUDA/Metal/Vulkandocs/install.md流式与实时转写docs/streaming.mdHTTP 服务器模式docs/server.md架构与回归纪律docs/architecture.md赞分享【免费下载链接】CrispASRC ggml runtime hub for multilingual ASR and TTS models: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc, plus universal forced alignment, and more项目地址https://gitcode.com/gh_mirrors/cr/CrispASR点击查看免费下载相关推荐DroidVM crosvm与QEMU双后端实战如何为不同场景选择最佳虚拟机引擎DroidVM crosvm与QEMU双后端实战如何为不同场景选择最佳虚拟机引擎 DroidVM 是一款在 Android 手机上运行虚拟机的开源虚拟机管理器TokenSpeed自动后端选择机制深度解析引擎如何为你的模型挑中最佳attention后端TokenSpeed自动后端选择机制深度解析引擎如何为你的模型挑中最佳attention后端 TokenSpeed 是一款号称光速speed of li人工智能大模型推理引擎模型推理服务后端USRP设备兼容性大全UHD™支持的硬件型号与配置方法USRP设备兼容性大全UHD™支持的硬件型号与配置方法 UHD™USRP™ Hardware Driver是USRP设备的核心驱动程序为软件定义无线电开通信驱动开发硬件开发嵌入式上一篇卸载Visual Studio后磁盘没变干净微软官方开源工具一次扫清所有残留下一篇Visual Studio 完整卸载指南用免费开源的 Visual Studio Uninstaller 彻底清理残留创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考