EN

CrispASR:统一的 C++ 语音引擎

由 whisper.cpp 分支发展而来,一个 C++ 二进制含 119 个后端,其中 62 个为 TTS 引擎。

核验日期

核心信息

以下信息由程序从官方接口读取，不经模型改写。

许可证
MIT
语言
C++
维护方
CrispStrobe
核验日期

它是什么

CrispASR 是一个 C++ 二进制,包含 119 个后端(其中 62 个为 TTS 引擎),另有多语种文本翻译,零 Python 依赖。它最初是 whisper.cpp 的分支。它把这一基础扩展为名为 crispasr 的统一语音引擎。该引擎由完整的 ggml C++ 运行时支持,覆盖主要的开放权重 ASR 和 TTS 架构。

主要能力

  1. 可以在命令行中选择后端,也可以让 CrispASR 根据 GGUF 文件自动检测后端。

  2. 它不需要 Python,不需要 PyTorch,也没有单独的按模型划分的二进制文件。

  3. WebAssembly 构建为多线程,借助 COOP/COEP 头完全在客户端运行。

  4. 源分离功能可把混音拆分为各个分轨。

  5. 音高估计功能通过 CREPE(MIT)给出单声部音高曲线。

怎么上手

  1. Windows + NVIDIA 版本是自包含的,不需要安装 CUDA Toolkit。

  2. Apple Silicon 的 macOS 版本使用 Metal GPU 和 Accelerate。

  3. 在任意命令中加入详细选项即可显示详细进度。

  4. 运行列出后端的命令可以实时查看功能矩阵。

摘自 README · bash
crispasr --version          # Windows: .\crispasr.exe --version
摘自 README · bash
crispasr --backend kokoro -m auto --tts "The quick brown fox jumps over the lazy dog." --tts-output hello.wav
# crispasr: TTS output written to 'hello.wav' (78000 samples @ 24000 Hz, 3.25 sec)
摘自 README · bash
crispasr --backend parakeet -m auto -f hello.wav -l en
# crispasr: transcribed 3.2s audio in 0.32s (10.1x realtime)
# The quick brown fox jumps over the lazy dog.

适合谁

CrispASR 提供 62 个用于语音合成的 TTS 引擎。每个后端在运行时声明自身能力;如果请求所选后端不支持的功能,CrispASR 会打印警告并静默忽略该标志。vulkan 构建需要匹配的驱动,并且不会回退到 CPU。

Linux 的 cuda 压缩包则会回退。Windows CUDA 包捆绑了其构建时所针对的运行时。VAD 选项使用默认的 Silero VAD(约 885 KB,自动下载)。

将 LID 后端设为关闭可完全跳过 LID。从源码构建 CrispASR 需要 ggml 子模块。选择 Vulkan 后端并不会决定使用哪块物理 GPU。

CrispASR 的许可证与上游 whisper.cpp 相同：MIT。各模型权重由各自的 HuggingFace 模型许可证覆盖。基于 CTC 的后端输出小写文本且无标点。

Canary 180M Flash 不提供语言检测或原生流式。服务器端点支持用于带说话人标签的结构化输出的响应格式。在说话人分离方面，vad-turns 是适合单声道、基于间隔的代理方法。

CrisperWeaver 是基于 CrispASR 构建的跨平台 Flutter 转写应用。Susurrus 是带有 9 个后端的 Python ASR 图形界面。

来源

本页内容整理自以下官方来源，点击可核对原文。

核验日期 ·

本页由 AI 依据上述官方来源整理，并经自动核对，未经本站实测。 发现错误？告诉我们。