Sherpa-onnx v1.10.45新增 FireRedAsr 语音识别模型支持【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-onnxSherpa-onnx v1.10.45 发布新增 FireRedAsr AED 语音识别模型覆盖 Python、C/C、Java、JavaScript 等 12 种语言绑定并修复 Go 绑定一处初始化失败仍返回成功的隐患。变更类型一句话描述影响范围新增导出 FireRedAsr AED 模型提供 C 与 Python API离线语音识别ASR新增为 FireRedAsr 补齐 Java/Kotlin、C API、CXX API、JavaScriptNode.js 与 WebAssembly、C#、Swift、Dart、Go、Pascal 绑定各语言集成场景修复Go 绑定C 结构体创建失败时 Go 侧实例仍创建成功Go 用户修复RTF实时因子计算中的拼写错误性能指标统计核心特性深入FireRedAsr AED 模型集成FireRedAsr 是一款基于 Encoder-Decoder 注意力机制的端到端AED模型官方提供中英混合zh_enlarge 版本。团队将其导出为 ONNX 格式后你在离线场景下可以直接用 sherpa-onnx 做高精度识别模型包内含 int8 量化的 encoder/decoder 以及多段测试音频普通话、四川话、天津话、河南话等方言口音是它相对纯 CTC 类模型的明显优势。用法很简单Python 侧一行工厂函数即可创建识别器import sherpa_onnx recognizer sherpa_onnx.OfflineRecognizer.from_fire_red_asr( encoder.../encoder.int8.onnx, decoder.../decoder.int8.onnx, tokens.../tokens.txt, )其余语言基本是同一套配置的镜像C/C 走 cxx-api-examples/fire-red-asr-cxx-api.ccNode.js 走 nodejs-examples/test-offline-fire-red-asr.jsGo 走 go-api-examples/non-streaming-decode-files/浏览器侧则由 wasm/ 中的 WebAssembly 版本承接。语言绑定一次性补齐这次 12 项 PR 中10 项是给 FireRedAsr 补各语言绑定。对你的实际意义是选型时不必再问我用的语言支不支持AndroidKotlin/Java、iOSSwift、HarmonyOS、Web 到桌面端都能用同一个模型迁移成本主要在模型下载这一步。修复与变更Go 绑定实例创建之前当底层 C 结构体创建失败时Go 侧构造仍然返回一个看似可用的对象后续调用可能出现空指针或异常行为现在失败会在 Go 侧直接暴露不再产生僵尸实例。使用 Go 绑定的项目建议尽快升级其余语言可暂缓。RTF 计算拼写错误之前实时因子统计的字段/计算存在拼写笔误性能日志中的 RTF 数值不可信现在输出与真实耗时一致。如果你在用 RTF 做基准对比注意升级前后数据以新版本为准。本版本没有 breaking change纯新增与修复升级风险低。上手指南Python 开发者安装 wheelpip install sherpa-onnx下载 FireRedAsr 模型包含 encoder/decoder/tokens 与测试音频并解压运行 python-api-examples/offline-fire-red-asr-decode-files.py按注释填入模型路径Android / 移动端开发者参考 kotlin-api-examples/test_offline_asr.kt 与 java-api-examples/NonStreamingDecodeFileFireRedAsr.java把模型文件放进 assets 或应用沙盒目录传入 encoder/decoder 路径即可Web 开发者本地运行参考 nodejs-examples/test-offline-fire-red-asr.js浏览器内推理参考 wasm/ 下的示例工程注意事项本版本的 FireRedAsr 仅支持离线non-streaming识别还没有流式推理。如果你需要边说边出字请暂时继续使用 zipformer 等流式模型。如果你遇到模型加载失败可以先确认三个文件齐全encoder.int8.onnx、decoder.int8.onnx、tokens.txt且路径不含特殊字符。如果你用 Go 绑定升级前建议在 CI 里加一步创建失败时返回错误的冒烟测试避免历史代码静默吞掉初始化异常。这个版本最适合想在不联网环境下跑中英混合离线识别、且已在用 sherpa-onnx 其他语言绑定的团队下一步可以关注 FireRedAsr 的流式版本是否跟进。【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
Sherpa-onnx v1.10.45：新增 FireRedAsr 语音识别模型支持
Sherpa-onnx v1.10.45新增 FireRedAsr 语音识别模型支持【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-onnxSherpa-onnx v1.10.45 发布新增 FireRedAsr AED 语音识别模型覆盖 Python、C/C、Java、JavaScript 等 12 种语言绑定并修复 Go 绑定一处初始化失败仍返回成功的隐患。变更类型一句话描述影响范围新增导出 FireRedAsr AED 模型提供 C 与 Python API离线语音识别ASR新增为 FireRedAsr 补齐 Java/Kotlin、C API、CXX API、JavaScriptNode.js 与 WebAssembly、C#、Swift、Dart、Go、Pascal 绑定各语言集成场景修复Go 绑定C 结构体创建失败时 Go 侧实例仍创建成功Go 用户修复RTF实时因子计算中的拼写错误性能指标统计核心特性深入FireRedAsr AED 模型集成FireRedAsr 是一款基于 Encoder-Decoder 注意力机制的端到端AED模型官方提供中英混合zh_enlarge 版本。团队将其导出为 ONNX 格式后你在离线场景下可以直接用 sherpa-onnx 做高精度识别模型包内含 int8 量化的 encoder/decoder 以及多段测试音频普通话、四川话、天津话、河南话等方言口音是它相对纯 CTC 类模型的明显优势。用法很简单Python 侧一行工厂函数即可创建识别器import sherpa_onnx recognizer sherpa_onnx.OfflineRecognizer.from_fire_red_asr( encoder.../encoder.int8.onnx, decoder.../decoder.int8.onnx, tokens.../tokens.txt, )其余语言基本是同一套配置的镜像C/C 走 cxx-api-examples/fire-red-asr-cxx-api.ccNode.js 走 nodejs-examples/test-offline-fire-red-asr.jsGo 走 go-api-examples/non-streaming-decode-files/浏览器侧则由 wasm/ 中的 WebAssembly 版本承接。语言绑定一次性补齐这次 12 项 PR 中10 项是给 FireRedAsr 补各语言绑定。对你的实际意义是选型时不必再问我用的语言支不支持AndroidKotlin/Java、iOSSwift、HarmonyOS、Web 到桌面端都能用同一个模型迁移成本主要在模型下载这一步。修复与变更Go 绑定实例创建之前当底层 C 结构体创建失败时Go 侧构造仍然返回一个看似可用的对象后续调用可能出现空指针或异常行为现在失败会在 Go 侧直接暴露不再产生僵尸实例。使用 Go 绑定的项目建议尽快升级其余语言可暂缓。RTF 计算拼写错误之前实时因子统计的字段/计算存在拼写笔误性能日志中的 RTF 数值不可信现在输出与真实耗时一致。如果你在用 RTF 做基准对比注意升级前后数据以新版本为准。本版本没有 breaking change纯新增与修复升级风险低。上手指南Python 开发者安装 wheelpip install sherpa-onnx下载 FireRedAsr 模型包含 encoder/decoder/tokens 与测试音频并解压运行 python-api-examples/offline-fire-red-asr-decode-files.py按注释填入模型路径Android / 移动端开发者参考 kotlin-api-examples/test_offline_asr.kt 与 java-api-examples/NonStreamingDecodeFileFireRedAsr.java把模型文件放进 assets 或应用沙盒目录传入 encoder/decoder 路径即可Web 开发者本地运行参考 nodejs-examples/test-offline-fire-red-asr.js浏览器内推理参考 wasm/ 下的示例工程注意事项本版本的 FireRedAsr 仅支持离线non-streaming识别还没有流式推理。如果你需要边说边出字请暂时继续使用 zipformer 等流式模型。如果你遇到模型加载失败可以先确认三个文件齐全encoder.int8.onnx、decoder.int8.onnx、tokens.txt且路径不含特殊字符。如果你用 Go 绑定升级前建议在 CI 里加一步创建失败时返回错误的冒烟测试避免历史代码静默吞掉初始化异常。这个版本最适合想在不联网环境下跑中英混合离线识别、且已在用 sherpa-onnx 其他语言绑定的团队下一步可以关注 FireRedAsr 的流式版本是否跟进。【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
