sherpa-onnx：一個高度可移植的本地音訊 AI 框架，支援跨多種硬體與語言的語音辨識與合成

它解決了什麼問題

Sherpa-onnx 提供一種高度可移植且高效的方式，在本地執行各種語音與音訊處理任務。它消除對複雜雲端依賴的需求，讓使用者能在廣泛的硬體平台與程式語言上部署 AI 驅動的音訊功能——例如語音轉文字與文字轉語音。

它如何運作

此專案利用 ONNX Runtime 在裝置上本地執行預訓練模型。它為多種程式語言提供統一的 API，讓開發者能將語音功能整合到應用程式中，而無需管理機器學習框架的底層細節。

目標對象

開發需要在行動裝置（Android、iOS）、桌面（Windows、macOS、Linux）、嵌入式系統（Raspberry Pi、Jetson、RISC‑V）以及網頁瀏覽器（WebAssembly）上建置音訊功能的開發者，且需要本地、離線處理以確保隱私或效能。

重點特色

• 完整的音訊套件：支援語音辨識（ASR）、語音合成（TTS）、說話者分割、說話者辨識、驗證、音訊標記、語音活動偵測（VAD）、語音增強與聲源分離。
• 極致可移植性：相容於多種架構（x64、x86、ARM、RISC‑V）與作業系統，包含 HarmonyOS 與 openKylin。
• 廣泛語言支援：提供 C++、C、Python、Go、C#、Java、Kotlin、JavaScript、Swift、Rust、Dart 與 Object Pascal 等 API。
• 硬體加速：支援多種 NPU（Rockchip、Qualcomm、Ascend、Axera）以及 NVIDIA Jetson GPU，以獲得最佳效能。