Automatic Speech Recognition

Automatic Speech Recognition

k2-fsa 项目的 Gradio 演示，把语音音频转成文字。它列出六个语音模型，包括 Vosk 俄语模型和 icefall 模型，在 CPU 上运行。

由 k2-fsa 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是 k2-fsa 项目的自动语音识别演示，把语音音频转成文字。仓库里列出了六个语音模型，两个名字里带 ru 的 Vosk 模型和四个 icefall 模型，它在 Hugging Face 的基础 CPU 硬件上运行。

适合谁：适合想不装任何东西就试试语音转文字模型的人，也适合想看一个把多个识别器放在同一个 Gradio 页面后面的小例子的开发者。语音研究者可以看到这个演示涵盖了哪些模型。

行业 | 谁在用 | 怎么用 | 例子
语音技术 | 语音工程师 | 用自己的音频试一试列出的识别器 | 拿一段录音跑一遍演示，再读文字结果
媒体 | 编辑和记者 | 把一段口述录音转成粗略的文字 | 拿到一段采访片段的初稿文字
软件 | Python 开发者 | 阅读 app.py、decode.py 和 model.py，看模型是怎么被调用的 | 复制这个 Space，再加一个模型
研究 | 语音识别专业的学生 | 对比列出的模型各自的输出 | 听听用 LibriSpeech 训练的模型怎样处理一段音频

如果你从不处理语音音频，可以跳过它。

用在哪里：

• 网页浏览器，打开 Hugging Face 上这个 Space 的页面
• 装有 Python 3.10.0 的 Windows
• 装有 Python 3.10.0 的 macOS
• 装有 Python 3.10.0 的 Linux

用途 | 适合谁 | 你得到什么
转写一段录音 | 任何有语音音频的人 | 模型听出来的文字
试多个识别器 | 工程师和学生 | 一个涵盖它所列六个模型的演示

如何设置：在线使用什么都不用准备。在自己的电脑上跑，需要准备一点东西。

• 在 Windows、macOS 或 Linux 上装好 Python 3.10.0
• pip 工具，用来安装 requirements.txt 里的包
• 如果在线使用这个 Space，什么都不用装，它直接在浏览器里运行

1. 安装 Hugging Face hub 包。
2. 把这个 Space 的文件下载到本地文件夹。
3. 进入那个文件夹。
4. 安装指定版本的 Gradio，再安装 requirements.txt 里的包。
5. 启动应用。

pip install -U huggingface_hub
hf download k2-fsa/automatic-speech-recognition --repo-type space --local-dir automatic-speech-recognition
cd automatic-speech-recognition
pip install gradio==5.25.2
pip install -r requirements.txt
python app.py

如何使用：在线使用时，打开这个 Space 的页面，直接在里面操作。在自己的电脑上，就在项目文件夹里运行下面这条命令，再打开 Gradio 显示的页面。仓库里还有一个放着示例音频的 test_wavs 文件夹。

python app.py

示例：你打开这个 Space，给它一段语音录音。应用会把录音转成文字，并显示它听到的内容。

新手与专家：如果你是新手，先打开这个 Space 的页面，如果页面提供示例录音，就先试一段。不用安装任何东西，你就能看到语音转文字是什么样子。

如果你熟悉这个领域：列出的六个模型是两个名字里带 ru 的 Vosk 模型、一个 icefall MGB2 conformer CTC 模型，以及三个 icefall LibriSpeech 剪枝 transducer 模型。代码分成 app.py、decode.py、model.py 和 examples.py，线上版本跑在 CPU 上，所以较长的录音可能会慢。

打开 Space，或在本地运行 app.py
给应用一段语音录音
列出的某个模型对音频解码
你读它返回的文字

注意事项：除了模型名字，来源说得很少，所以请在自己的音频上检查结果。

• License: Apache 2.0，和这个 Space 的许可证一行写的一致
• Cost to run: 没有提到，线上版本用的是 Hugging Face 的 cpu-basic 硬件
• Data it reaches: 你给它的音频，以及它列出的六个语音模型，它们托管在 Hugging Face 上

Hugging Face 上的数据（2026年11月13日）

• 点赞：60
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/k2-fsa/automatic-speech-recognition
• 文件：https://huggingface.co/spaces/k2-fsa/automatic-speech-recognition/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。