登录

PPASR

yeyupiaolingApache-2.0更新放缓

基于 PaddlePaddle 的端到端中文语音识别项目，提供 DeepSpeech2、Conformer、Squeezeformer 等主流模型，既有入门案例也有企业级实战方案。

基于PaddlePaddle实现端到端中文语音识别，从入门到实战，超简单的入门案例，超实用的企业项目。支持当前最流行的DeepSpeech2、Conformer、Squeezeformer模型

暂无版本869star128fork同步于 2026-11-07 07:30 UTC
语音识别中文ASR端到端流式识别PaddlePaddle
对比 GitHub 官网asrchineseconformerdeep-learningdeepspeech2

怎么上手

由 README 提炼，执行前请确认
原文 
conda create -n ppasr python=3.11
conda activate ppasr
pip install paddlepaddle-gpu==2.6.1
硬件要求按 README 说明

README未说明具体显存要求；可部署在服务器和Nvidia Jetson设备，未来计划支持Android等移动设备

下载：源码 zip·GitHub Releases（安装包）本站不镜像安装包

项目说明

由 README 自动翻译提炼
没人工点评？写下你的经验

基于PaddlePaddle的端到端中文语音识别框架，支持流式与非流式识别

基于 PaddlePaddle 的端到端中文语音识别项目，提供 DeepSpeech2、Conformer、Squeezeformer 等主流模型，既有入门案例也有企业级实战方案。

核心能力

  • 支持DeepSpeech2、Conformer、Squeezeformer等模型
  • 每个模型可通过streaming参数切换流式与非流式
  • 支持ctc_greedy_search、ctc_prefix_beam_search、attention_rescoring等多种解码器
  • 支持fbank、mfcc预处理及噪声、混响、语速等多种数据增强
  • 支持短音频、长音频、流式及说话人分离推理

容易踩的坑

V3版本与V2版本不兼容，使用V2需切换到release/2.4.x分支；预训练模型需加入知识星球获取，README未提供直接下载链接；README未给出具体pip安装命令，需参考docs/install.md

内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README

最近发版

0 个版本
全部 release

暂无 release 数据（可能没有发版，或尚未同步）。

用户点评

登录用户的真实使用记录，可按版本和硬件筛选
共 0 条

    还没有人点评。第一个说出真实体验的人最有价值。

    README 原文

    未翻译
    在 GitHub 打开

    python version GitHub forks GitHub Repo stars GitHub 支持系统

    PPASR流式与非流式语音识别项目

    PPASR是一款基于PaddlePaddle实现的自动语音识别框架，PPASR中文名称PaddlePaddle中文语音识别（PaddlePaddle Automatic Speech Recognition），当前为V3版本，与V2版本不兼容，如果想使用V2版本，请在这个分支V2。PPASR致力于简单，实用的语音识别项目。可部署在服务器，Nvidia Jetson设备，未来还计划支持Android等移动设备。别忘了star

    欢迎大家扫码入知识星球或者QQ群讨论，知识星球里面提供项目的模型文件和博主其他相关项目的模型文件，也包括其他一些资源。

    本项目使用的环境：

    • Anaconda 3
    • Python 3.11
    • PaddlePaddle 2.6.1
    • Windows 11 or Ubuntu 22.04

    在线试用

    网页版： 在线试用地址

    项目特点

    1. 支持多个语音识别模型，包含deepspeech2、conformer、squeezeformer、efficient_conformer等，每个模型都支持流式识别和非流式识别，在配置文件中streaming参数设置。
    2. 支持多种解码器，包含ctc_greedy_search、ctc_prefix_beam_search、attention_rescoring、ctc_beam_search等。
    3. 支持多种预处理方法，包含fbank、mfcc等。
    4. 支持多种数据增强方法，包含噪声增强、混响增强、语速增强、音量增强、重采样增强、位移增强、SpecAugmentor、SpecSubAugmentor等。
    5. 支持多种推理方法，包含短音频推理、长音频推理、流式推理、说话人分离推理等。
    6. 更多特点等待你发现。

    与V2版本的区别

    1. 项目结构的优化，大幅度降低的使用难度。
    2. 更换预处理的库，改用kaldi_native_fbank，在提高数据预处理的速度，同时也支持多平台。
    3. 修改token的方法，使用sentencepiece制作token，这个框架极大的降低了多种语言的处理难度，同时还使中英文混合训练成为可能。

    更新记录

    • 2025.03: 正式发布最终级的V3版本。

    视频讲解

    模型下载

    1. WenetSpeech (10000小时，普通话) 的预训练模型列表，错误率类型为字错率（CER）：
    使用模型是否为流式预处理方式解码方式test_nettest_meetingaishell_test下载地址
    ConformerTruefbankctc_greedy_search0.147580.195620.06925加入知识星球获取
    ConformerTruefbankctc_prefix_beam_search0.146890.193230.06930加入知识星球获取
    ConformerTruefbankattention_rescoring0.137860.189220.06028加入知识星球获取
    ConformerTruefbankctc_beam_search0.206600.298350.05336加入知识星球获取
    DeepSpeech2Truefbankctc_greedy_search加入知识星球获取
    DeepSpeech2Truefbankctc_prefix_beam_search加入知识星球获取
    DeepSpeech2Truefbankctc_beam_search加入知识星球获取
    1. AIShell (179小时，普通话) 的预训练模型列表，错误率类型为字错率（CER）：
    使用模型是否为流式预处理方式解码方式自带的测试集下载地址
    ConformerTruefbankctc_greedy_search0.06110加入知识星球获取
    ConformerTruefbankctc_prefix_beam_search0.06114加入知识星球获取
    ConformerTruefbankattention_rescoring0.05412加入知识星球获取
    ConformerTruefbankctc_beam_search0.04468加入知识星球获取
    DeepSpeech2Truefbankctc_greedy_search0.14134加入知识星球获取
    DeepSpeech2Truefbankctc_prefix_beam_search0.14132加入知识星球获取
    DeepSpeech2Truefbankctc_beam_search0.10598加入知识星球获取
    1. Librispeech (960小时，英语) 的预训练模型列表，错误率类型为词错率（WER）：
    使用模型是否为流式预处理方式解码方式自带的测试集下载地址
    ConformerTruefbankctc_greedy_search0.07562加入知识星球获取
    ConformerTruefbankctc_prefix_beam_search0.07518加入知识星球获取
    ConformerTruefbankattention_rescoring0.06669加入知识星球获取
    ConformerTruefbankctc_beam_search/加入知识星球获取
    DeepSpeech2Truefbankctc_greedy_search0.15479加入知识星球获取
    DeepSpeech2Truefbankctc_prefix_beam_search0.15247加入知识星球获取
    DeepSpeech2Truefbankctc_beam_search/加入知识星球获取
    1. 其他数据集的预训练模型列表，错误率类型，如果是中文就是字错率（CER），英文则是词错率（WER），中英混合为混合错误率（MER）：
    使用模型数据集语言解码方式测试数据下载地址
    Conformer粤语数据集粤语ctc_greedy_search0.05834加入知识星球获取
    Conformer粤语数据集粤语ctc_prefix_beam_search0.05815加入知识星球获取
    Conformer粤语数据集粤语attention_rescoring0.04734加入知识星球获取
    Conformer粤语数据集粤语ctc_beam_search0.06191加入知识星球获取
    Conformer中英混合数据集中英文ctc_greedy_search0.09462加入知识星球获取
    Conformer中英混合数据集中英文ctc_prefix_beam_search0.09416加入知识星球获取
    Conformer中英混合数据集中英文attention_rescoring0.08283加入知识星球获取
    Conformer中英混合数据集中英文ctc_beam_search/加入知识星球获取
    Conformer更大数据集（16000+小时）中英文ctc_greedy_search加入知识星球获取
    Conformer更大数据集（16000+小时）中英文ctc_prefix_beam_search加入知识星球获取
    Conformer更大数据集（16000+小时）中英文attention_rescoring加入知识星球获取
    Conformer更大数据集（16000+小时）中英文ctc_beam_search加入知识星球获取
    ConformerCommonVoice-Uyghur + THUYG20维吾尔语ctc_greedy_search0.04510加入知识星球获取
    ConformerCommonVoice-Uyghur + THUYG20维吾尔语ctc_prefix_beam_search0.04404加入知识星球获取
    ConformerCommonVoice-Uyghur + THUYG20维吾尔语attention_rescoring0.02823加入知识星球获取

    说明：

    1. 这里字错率或者词错率是使用eval.py。
    2. 分别给出了使用三个解码器的错误率，其中ctc_prefix_beam_search、attention_rescoring的解码搜索大小为10。
    3. 训练时使用了噪声增强和混响增强，以及其他增强方法，具体请看配置参数configs/augmentation.yml。
    4. 这里只提供了流式模型，但全部模型都支持流式和非流式的，在配置文件中streaming参数设置。
    5. 使用CommonVoice-Uyghur的测试集作为本项目测试集，其余的和THUYG20全部作为训练集。

    有问题欢迎提 issue 交流

    文档教程

    相关项目

    特别感谢

    打赏作者

    参考资料

    相关项目

    同分类里 star 最高的项目
    对比全部 →
    VoiceStudio
    debpalash·Python

    本地运行的 ElevenLabs 开源替代品，支持声音克隆、语音设计、视频配音、听写、转写和有声书制作，覆盖 646 种语言。

    语音克隆+4语音推理
    107004+388012kv0.5.72026-11-10 16:38 UTC
    voicebox
    jamiepine·Python

    开源 AI 语音工作室，支持声音克隆、语音听写和语音生成，基于 Qwen3-TTS 与 Whisper，可在 CUDA 或 MLX 上本地运行。

    语音克隆+4语音推理
    60376+6237.6kv0.5.02026-10-07 01:17 UTC
    whisper.cpp
    ggml-org·C++

    OpenAI Whisper 语音识别模型的 C/C++ 移植版，无需 Python 和 GPU 依赖，在普通 CPU 上就能跑语音转文字。

    语音识别+4语音推理
    55071+846.3kv1.9.52026-11-10 12:09 UTC
    faster-whisper
    SYSTRAN·Python

    基于 CTranslate2 重实现的 Whisper 语音转文字推理引擎，通过量化与高效推理大幅提速并降低显存占用，适合本地部署转录。

    语音识别+4语音推理
    26650+782.2kv1.2.12026-11-10 10:13 UTC