Picovoice/cheetah

什么是 Picovoice / Cheetah？

Cheetah 是一个实时、设备端的语音转文字引擎。它完全离线运行（音频绝不会离开设备），且体积小巧，足以在手机、嵌入式开发板（Raspberry Pi）、浏览器和桌面操作系统上执行。

核心功能

• 流式转录 – 您输入短音频帧并获得部分转录内容；当语句结束时，您会收到最终转录内容。
• 单词级别元数据 – 可选的 API 可返回每个单词的时间戳和置信度分数。
• 多语言 – 开箱即用支持英语、法语、德语、意大利语、葡萄牙语和西班牙语；商业客户可使用其他语言。
• 跨平台 – 原生 C 库，并提供 Python、Java、.NET、Node.js、React、React-Native、Flutter、iOS、Android 和 Web（纯 JS 或 React）的绑定。它也提供适用于 Linux、macOS、Windows 和 Raspberry Pi 的预构建二进制文件。
• 隐私优先 – 所有处理均在本地进行；AccessKey 仅用于解锁 SDK 并执行授权。

如何使用（典型流程）

1. 从 Picovoice 控制台获取 AccessKey（每个 SDK 均需）。
2. 创建 Cheetah 实例，并使用 AccessKey 和模型文件（默认模型已内置，自定义模型可通过 Picovoice Console 训练）。
3. 将音频帧（16-bit PCM）输入至 process（或 process_annotated）。该调用会返回部分转录内容以及一个指示语句是否结束的标志。
4. 当 is_endpoint 为 true 时，调用 flush（或 flush_annotated）以获取最终转录内容。
5. 完成后释放资源。

示例 (Python)

import pvcheetah
handle = pvcheetah.create(access_key='YOUR_KEY')
while True:
    partial, is_endpoint = handle.process(get_next_frame())
    if is_endpoint:
        final = handle.flush()

README 提供了适用于 C、Swift、Java、Kotlin、Dart、JavaScript、C# 等语言的类似代码片段。

演示与 SDK

此仓库为每个支持的语言/平台提供了一套可立即运行的演示程序（麦克风输入、音频文件模式），以及 Maven、npm、PyPI、CocoaPods、NuGet、Pub 等包列表。

谁需要它？

• 需要离线语音指令或听写功能的移动应用程序。
• 不希望将音频传送到云端的嵌入式设备（例如智能音箱、机器人）。
• 希望在不进行服务器往返的情况下实现设备端转录的 Web 应用程序。
• 任何重视低延迟、小占用空间和数据隐私的产品。

---

总结： Cheetah 是一款真正的生产级语音转文字 SDK，专注于设备端、低资源使用场景，并拥有广泛的语言绑定生态系统与演示代码。