K2-fsa 纯本地的离线语音转文字插件【STT】

xiaobai1828

此前实现的语音转文本都是用百度或者其他云平台，需要续费或者有使用限制。

而这个是基于开源的STT<K2-FSA/SHERPA-ONNX>，真正纯离线、免费、无限制。

目前安装有点门槛(使用命令行，期待有大佬能指导优化)

补充个无剪辑演示视频

# 安装须知

• 实现方式：STT服务端+HA集成
• STT服务端已编译成Docker镜像，仅支持X86(N95/N100/群晖...)，ARM和RISC目前没编译。
• STT服务端虽说性能要求不高，但剩余内存低于2G的就不要尝试了！听劝！
• 剩余存储建议大于4G
• 实测畅网的N100，内存占用1G，秒出结果
  

                               
登录/注册后可看大图

游客，如果您要查看本帖隐藏内容请回复

此时你的专属且免费的语音助理应该已经复活了，去左上角找你的助理试试吧。

#最终效果

PS：HA目前的意图识别不健全，等大佬们补充

K2-FSA也支持离线TTS，但个人感觉效果没有edge_tts好就没做，有后续再说。

DDDear

感谢大佬分享

wangbing

感谢大佬分享，学习一下

花开堪折枝

https://github.com/yaming116/home-assistant-fun-asr  哈哈哈，我之前也做了一个
我这个用的是阿里开源的模型

xiaobai1828

花开堪折枝 发表于 2024-6-5 15:23
https://github.com/yaming116/home-assistant-fun-asr  哈哈哈，我之前也做了一个
我这个用的是阿里开源的 ...

也有试过funasr，效果是好，感觉性能要求比这个高的多，就做了这个的

walun

学习学习

花开堪折枝

xiaobai1828 发表于 2024-6-5 16:35
也有试过funasr，效果是好，感觉性能要求比这个高的多，就做了这个的

目前测试机器是 j1900 ， 内存占用2-3g ， cpu 应该 30左右， 正常说话 2s左右识别出来。 主要是效果是真的好

Y2JING

好东西啊

iamhyde

感谢分享,请教下前面测试了一个STT,如果说轨道灯设置为50%,转换的中文是轨道灯设置为百分之五十,HA无法识别指令,这个STT会识别成数字吗?

xiaobai1828

iamhyde 发表于 2024-6-5 18:43
感谢分享,请教下前面测试了一个STT,如果说轨道灯设置为50%,转换的中文是轨道灯设置为百分之五十,HA无法识别 ...

不能