不联网也能把语音转成文字：Vosk 离线语音识别实用笔记
【免费下载链接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node项目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api
Vosk 是一套完全在本地运行的离线语音识别工具包，解决的是"不上传音频到云端，也能把声音变成文字"的问题。
离线语音识别解决了什么真实痛点
设想一个场景：你有一段一小时的会议录音，或者一批医疗记录音频，不想交给第三方云服务处理，但又需要当场拿到文字。Vosk 的做法很直接：整个识别过程发生在你自己的机器上，音频一个字节都不离开设备，敏感内容外泄的顾虑可以直接放下；同时它按流式方式处理音频，边说边出字，话音落下结果就出来了，不必等服务器把整段文件跑完再回传。这两点凑齐，基本覆盖了"对联网不舒服"的大部分使用场景。
离线语音识别安装步骤：十分钟跑通第一次识别
第一次运行拆成三步。第一步装包，在终端执行 pip install vosk。第二步下模型：单个语言模型一般只有 50MB 左右，放到任意目录解压即可。第三步，准备一段 16kHz 的 wav 音频，让它过一遍。下面这段代码在做一件事：载入模型，把音频数据一小块一小块喂给识别器，每确认一句完整的话就打印出来。
from vosk import Model, KaldiRecognizer import wave model = Model("model-en") audio = wave.open("audio.wav", "rb") rec = KaldiRecognizer(model, audio.getframerate()) while True: chunk = audio.readframes(4000) if not chunk: break if rec.AcceptWaveform(chunk): print(rec.Result())跑起来之后，终端每行输出的就是一句识别出的文本；音频播完，还可以用 FinalResult 把最后没断句的一段取出来，一个词都不会漏。
装完之后能做什么：三条现成工作流
做字幕，适合剪视频的人。把录好的音频喂进去，它会带时间戳地给出 SRT 或 WebVTT 格式的字幕文件。想看具体写法，可以对照 python 绑定里 example 目录下的示例代码。
批量转写，适合大量存档。课程系列、访谈录音这类几十个甚至上百个音频文件的场景，走批量识别接口，整体速度比写脚本逐个循环快得多。仓库的 Go 语言示例目录里有现成的演示。
区分说话人，适合多人对话。会议录音里，它能标出哪句话属于哪个人，方便你还原"谁在什么时候说了什么"。
离线语音识别模型下载与选型：语言和平台怎么覆盖
作为离线语音识别开源项目，它的语言清单已覆盖 20 种以上，英语、中文这些常用语种都有对应模型可下，下载时注意选和音频语言一致的那一个。
开发层面，项目为多种语言提供了绑定，按你的技术栈挑就行：
| 绑定 | 适合的场景 |
|---|---|
| Python | 上手最快，适合首次体验和脚本 |
| Java | JVM 应用、Android 设备 |
| Node.js | 服务端 JS 项目 |
| C++ | 核心库本身，性能敏感的定制开发 |
| Go | 命令行工具、并发处理 |
| C# | .NET 生态项目 |
| Rust | 看重内存安全的场景 |
另外 Kotlin、Ruby、iOS 等也有对应绑定。设备资源紧张（比如树莓派）就选小模型；想把识别准确率再提一提，就选大一号的模型。
新手最常踩的几个坑
- 采样率没对上。模型普遍按 16000Hz 采样率训练，传给识别器的 sampleRate 和音频实际采样、模型要求不一致时，要么不出结果，要么错一堆。
- 模型语言选错。中文音频配上英文模型，结果没法用。先确认音频语种，再去挑模型。
- 内存吃紧。设备内存小的时候，把音频切小块处理，别一次性把整个文件读进内存，模型也尽量逐个加载，更稳。
- 跳过错误处理。模型加载失败、音频损坏时接口都会给出失败信息，先确认模型能正常载入再谈识别，别让异常直接把程序带崩。
如果你的场景恰好是"音频敏感 + 要当场出字"，Vosk 值得先试一轮：现在就可以执行 pip install vosk，下一个模型，十分钟看到第一句识别结果。
【免费下载链接】vosk-apiOffline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node项目地址: https://gitcode.com/GitHub_Trending/vo/vosk-api
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
