audio.cpp

一個全功能、純 C++ 的音訊模型推理引擎,基於 ggml。支援 TTS、STT、VAD、語音轉換、音樂生成等,並具有高度優化的效能。

audio.cpp 是什麼?

一個全功能、純 C++ 的音訊模型推理引擎,基於 ggml。支援 TTS、STT、VAD、語音轉換、音樂生成等,並具有高度優化的效能。無需 Python 依賴。

audio.cpp 概覽

這是什麼

audio.cpp 是一個基於 ggml 的高效能 C++ 音訊推理框架,旨在讓現代本地音訊模型變得實用、可攜帶且快速。該框架支援 Windows、Linux 和 macOS,並提供 NVIDIA、AMD、Apple Silicon 及純 CPU 的後端。它為超過 100 個音訊模型家族和 190 多種變體提供共享的原生執行環境,涵蓋 TTS、ASR、VAD、語音轉換、音樂生成等功能。無需 Python 依賴。

主要功能

  • 一致性:提供與 Python 參考路徑強一致性的工具。
  • 效能:專注於效能的執行、可重複使用的會話和批次離線推理。針對 CUDA 最佳化。
  • 可攜帶性:以 ggml 為核心的可攜帶原生堆疊,透過共享的 CLI 和伺服器入口點支援 CUDA、HIP/ROCm、Vulkan、Metal 和 CPU 後端。
  • 管道:實驗性的 JSON 管道支援,用於更高層級的多步驟工作流程。
  • 音訊工具:內建降噪、增強、重採樣和 STFT/ISTFT 工具,適用於實際生產任務路徑。

使用情境

audio.cpp 用於文字轉語音 (TTS)、自動語音辨識 (ASR)、語音活動偵測 (VAD)、語音轉換、音樂生成、音源分離、強制對齊、說話者分割、音訊編碼任務,以及更高層級的工作流程,例如語音對語音對話。它也支援生產部署範例,例如在 FunASR 平台上使用 Fun-ASR-Nano 和 SenseVoice。

快速開始

請參閱儲存庫的 README 以取得安裝和快速入門說明。

授權與價格

授權未聲明 (NOASSERTION)。該專案為開源。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/0xshug0audiocpp.svg)](https://yunodb.com/tools/0xshug0audiocpp?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/0xshug0audiocpp?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/0xshug0audiocpp.svg" alt="Featured on YunoDB" height="20"></a>