用ai做了个离线语音识别引擎
20 迷壶博士 2天前 599次点击
自从
讯飞语记收紧第三方app对自家语音输入引擎的调用之后，我一直在思考，还有什么好用的语音输入引擎可用呢
从过去到现在。大家听说的文本转语音（tts）引擎一定很多，像很早的讯飞语音加、google文本转语音、vocalizer系列，到现在的TTS server、multitts、广荣tts，它们都在让我们的语音库多一份选择，。可是语音转文本（stt）的本地引擎确很少被提及。于是那时我就下决心：我一定要试着自己做出个能用的语音转文本引擎出来
随着考试的结束，以及我对ai的研究，在顺利完成几个“作品”后，我再一次想起了我这小小的“心愿”那么说做就做吧，这少有的让我这个懒癌晚期患者突然有了动力。
刚开始想做在线语音识别接口的。让大家能够免费薅到大厂的高品质羊毛，但我测试过讯飞家的在线引擎与字节火山提供的在线引擎。前者对个人来说绝对够用，但注册成本极高，需要注册开发者平台账号与实名认证，每隔一段时间还要去开发者平台领取权益。况且个人提供一个自己的接口，那绝对顶不住很多人每天高频次的调用。后者的效果好，但提供的免费额度有限，真的支撑不住。多方考虑之下，准备做离线。
选型挺让人头疼的想选一个好点的，但又照顾到手机对ai模型参差不齐的适配，我认真考虑，最终选择openaiwhisper作为首个可用模型，一是支持的语言多（近100种），纯离线，识别准确率也可以，适配有多种规格的模型，低端到高端都基本能用。二是目前安卓环境有直接可使用的
whisperCPP安卓酷使得手机上使用这个模型成为可能
软件名字是星空语音识别引擎，星空：取自我写的一个小剧本的名字。也是我美好的一个愿望，希望可以奔赴到一片属于自己的承载着自己梦想的星空
废话不多说，一路构建下来，我的软件在与我与ai数次对话中完成了。并且可用
打开软件后，提示专为旧版Android运行，不要管，这是正常的。因为调高一点目标sdk版本，语音输入就不能用。为了语音输入引擎顺利在高版本安卓上运行，只能拉低。请大家理解
在软件刚启动的时候，就会向您申请必要的权限，直接允许即可，软件不会上传任何数据到云端，除非将来有云端识别模型，建议稍后也将自启动与关联启动设置上，以保证软件能够正常运行
主页面十分简单。包含了权限与服务状态，软件设置，模型管理与关于
为了照顾到存储空间，我们没有内置任何模型，所以首先需要在模型管理内下载一个模型
进入模型管理页面，点击下载按钮，即可开始下载模型，普通低端机推荐用tiny或者base系列，低端机可运行 ，速度较快。剩下的small ，medium和large推荐下载量化版本。模型随体积不断优化效果，但需要的内存也越高
点击下载按钮后，模型开始自动下载。可以看到下载的实时进度条，下载完成后，点击模型名称就可以启用它，此时你会收到气泡通知，已启用模型
我的建议，一般情况下使用base模型就可以，不用一位去追求高配置高参数。base的识别效果已经很不错了而且速度也可以
软件设置的构造也非常简单，点击识别语言可以切换让模型识别你说的是哪个语言？软件支持whisper可识别的所有语言，用户可按需调整。推理线程可选择模型推理时占用手机的进程数，推荐设置4~8可以对比速度，尝试效果 。进入系统辅助应用的设置，则可让您直接跳转至辅助应用和语音输入界面（部分系统阉割了此功能），可以将星空语音识别引擎设置为默认语音识别。打开应用信息，则可让您直接进入应用信息的设置，对应用的数据进行删除，或是对权限进行设置
注意：模型默认存储在手机根目录的asr的models文件夹内。可以通过软件来删除，也可以手动删除
语音识别引擎是离线的，不向云端上传任何数据，一切计算都在本地完成。识别结果仅供参考
如何将星空语音识别引擎设置成输入法调用的语音呢。这里以天坦输入法为例
首先点击语音输入设置，将语音输入引擎设置为ASR，再在星空引擎设置好要使用的模型，就能畅快的语音输入啦。最重要的是离线哦
随着AI的发展，它正从一问一答的聊天模式，转向直接输出真正可用的成品，逐渐向生产力与执行性推进，，最终真正帮人类解决实际问题。就像“星空”，和AI无数次对话之后，它最终交到我手里的不是一个答案，而是一个能跑起来的语音识别引擎。聊天模式就是这样悄悄退场，甚至，死亡
。
点击下载星空语音识别引擎1.0在文章的最后，也来给大家推荐一下我和我的朋友们用ai做的小软件
梦仔伴唱，今梦同学开发的看词学歌软件，从此k歌再也不怕忘词啦You mother tts ，浅念同学开发的超好听的语音库
星空tts，老牌超清晰语音由我开发
缺德语音，我开发的全新语音库，不来试试
-end-
本楼来自：我的世界肝帝玩家的资源库，可以进来看看
它上面显示网页服务器错误下载失败啊
哪个软件的链接错误，我去看看
用Via这个浏览器下载没有问题。
之前是有过这个想法的，但得等我找到更好的模型了，这模型的速度还是有点慢，如果你能忍受长期挂在前台的话也不是不能做其实现在就能做出来
我骁龙8 g516g运存效果还可以的
咳咳note9啊，确实有点老，但能用也算奇迹了，用tiny吧
Operate ai
手机
楼主的语音输入我没去用，因为我用的是QQ输入法，好像只能用腾讯自家语音引擎。然后你这些tts我都下了一遍。还是挺不错的
然后这个纯英文的这个语音合成感觉似曾相识
我去，你这个星空tts，这，hhh，楼主挺厉害的
还是做在线的吧，自己注册大模型账号获取个 API key又不是很难
可用性并不高。模型免费20小时，随后就要求付费
当然如果要是你考虑赞助的话，我可以让所有人都用我的大模型账号，连注册都免了
Hh开发者
模型有点小
下个版本做个小体积的模型，但识别效果惊人
什么手机？系统版本是多少。啥模型
可以先试试small，也有一些量化板模型可供选择
星空tts和you mothertts已更新
星空TTS的英文语音单独调语速就好了，那个英文的语音库感觉没有星空TTS的语音库清晰。
点击启用，large-v3 多语言 原版，最高准确率，约3.1GB，手机需较大内存，文件 ggml-large-v3.bin咱来看看咱那骁龙8至尊能不能玩一玩。
你你你疯了，我都玩不了这个
主要我这个半天不出结果hh，期待你的结果
没有结果。
用不了。
据说这得用到电脑显或服务器，我就等着真的能出结果，试试那个500多m的large能用吗
对了，之后要不要测试我新模型？我私发你安装包
积分：5159
2.0更新计划
1.增加在线语音转写模块，上传音频，通过手机本地算力进行语音转写
2.支持这两个开源仓库的全部语音识别模型https://github.com/k2-fsa/sherpa-onnx，https://github.com/k2-fsa/sherpa-ncnn