.. note:: 该项目已不再积极维护，我们已停止托管在线模型库。我们注意到大家的注意力已转向更先进的语音转文本模型，例如Whisper，而我们自身则将重心放在Coqui TTS和Coqui Studio上。

这些模型仍可在coqui-ai/STT-models仓库的发布页面中找到。

.. image:: images/coqui-STT-logo-green.png :alt: Coqui STT标志

.. |doc-img| image:: https://readthedocs.org/projects/stt/badge/?version=latest :target: https://stt.readthedocs.io/?badge=latest :alt: 文档

.. |covenant-img| image:: https://img.shields.io/badge/Contributor%20Covenant-2.0-4baaaa.svg :target: CODE_OF_CONDUCT.md :alt: 贡献者公约

.. |gitter-img| image:: https://badges.gitter.im/coqui-ai/STT.svg :target: https://gitter.im/coqui-ai/STT?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge :alt: Gitter聊天室

.. |doi| image:: https://zenodo.org/badge/344354127.svg :target: https://zenodo.org/badge/latestdoi/344354127

|doc-img| |covenant-img| |gitter-img| |doi|

👉 订阅🐸Coqui新闻通讯 <https://coqui.ai/?subscription=true>_

Coqui STT（🐸STT）是一个快速、开源、跨平台的深度学习工具包，用于训练和部署语音转文本模型。🐸STT已在生产和研究场景中经过严格测试🚀

🐸STT特性

• 高质量的预训练语音转文本模型。
• 支持多GPU的高效训练流程。
• 流式推理。
• 提供多个可能的转录结果，每个结果都附带置信度分数。
• 实时推理。
• 占用资源少的声学模型。
• 多种编程语言的绑定接口。

快速入门 <https://stt.readthedocs.io/en/latest/#quickstart>_

提问渠道

.. list-table:: :widths: 25 25 :header-rows: 1

• • 类型
  • 链接
• • 🚨 Bug报告
  • Github问题追踪器 <https://github.com/coqui-ai/STT/issues/>_
• • 🎁 功能请求与建议
  • Github问题追踪器 <https://github.com/coqui-ai/STT/issues/>_
• • ❔ 问题咨询
  • Github讨论区 <https://github.com/coqui-ai/stt/discussions/>_
• • 💬 一般讨论
  • Github讨论区 <https://github.com/coqui-ai/stt/discussions/>_ 或 Gitter聊天室 <https://gitter.im/coqui-ai/STT?utm_source=share-link&utm_medium=link&utm_campaign=share-link>_

链接与资源

.. list-table:: :widths: 25 25 :header-rows: 1

• • 类型
  • 链接
• • 📰 文档
  • stt.readthedocs.io <https://stt.readthedocs.io/>_
• • 🚀 最新版本及预训练模型
  • 查看GitHub上的最新发布 <https://github.com/coqui-ai/STT/releases/latest>_
• • 🤝 贡献指南
  • CONTRIBUTING.rst <CONTRIBUTING.rst>_

Coqui STT 快速上手指南

⚠️ 重要提示：本项目目前已不再积极维护。官方建议将注意力转向更新的模型（如 Whisper），或关注其继任项目 Coqui TTS。预训练模型仍可在 STT-models releases 中下载。本指南仅适用于需要沿用现有 STT 模型的开发者。

1. 环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux (推荐 Ubuntu 18.04+), macOS, 或 Windows (需额外配置)。
• Python 版本：Python 3.7 - 3.9 (推荐 3.8)。
• 硬件加速：如需高性能训练或推理，建议配备 NVIDIA GPU 并安装对应的 CUDA 驱动。
• 前置依赖：
  • pip (Python 包管理工具)
  • sox (音频处理工具，用于数据预处理)
  • ffmpeg (可选，用于音频格式转换)

安装系统级依赖 (以 Ubuntu 为例):

sudo apt-get update
sudo apt-get install -y sox libsox-fmt-all ffmpeg

2. 安装步骤

推荐使用 pip 进行安装。由于原项目停止维护，PyPI 上的版本可能较旧，建议直接从 GitHub 安装最新可用代码或直接使用预编译包。

方式 A：通过 pip 安装 (基础版)

pip install stt

方式 B：从源码安装 (获取最新修复)

git clone https://github.com/coqui-ai/STT.git
cd STT
pip install .

下载预训练模型

由于官方 Model Zoo 已下线，您需要手动从 GitHub Releases 下载模型文件。

1. 访问 coqui-ai/STT-models Releases。
2. 下载所需的模型文件（通常包含 .pbmm 模型文件和 .scorer 评分器文件）。
3. 假设下载后文件位于当前目录：
   • 模型文件：model.pbmm
   • 评分器文件：scorer.scorer

3. 基本使用

以下是最简单的 Python 脚本示例，演示如何加载模型并将音频文件转换为文本。

准备测试音频 确保你有一个 WAV 格式的音频文件（例如 audio.wav），采样率需与模型匹配（通常为 16kHz 单声道）。

Python 代码示例

from stt import Model
import wave
import numpy as np

# 1. 初始化模型
# 替换为你实际下载的模型路径
model_path = "model.pbmm"
scorer_path = "scorer.scorer"

model = Model(model_path)

# 如果有外部评分器文件，建议加载以提高准确率
try:
    model.enableExternalScorer(scorer_path)
except Exception as e:
    print(f"未加载外部评分器: {e}")

# 2. 读取音频文件
audio_file = "audio.wav"

with wave.open(audio_file, 'rb') as wav_file:
    # 验证音频格式 (STT 通常需要 16kHz, 1 channel, 16-bit)
    if wav_file.getframerate() != 16000:
        raise ValueError("音频采样率必须为 16000 Hz")
    if wav_file.getnchannels() != 1:
        raise ValueError("音频必须为单声道")
    
    # 读取二进制数据并转换为 numpy 数组
    audio_data = np.frombuffer(wav_file.readframes(wav_file.getnframes()), dtype=np.int16)

# 3. 执行语音转文字
text = model.stt(audio_data)

print("识别结果:", text)

命令行快速测试 如果安装了命令行工具，也可以直接运行：

stt --model model.pbmm --scorer scorer.scorer --audio audio.wav