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。