vosk-api

Vosk 是一个开源离线语音识别工具包，支持20多种语言的实时流式语音转文本（STT），提供零延迟响应、可定制词汇表及说话人识别功能。其模型体积小（约50MB），兼容Android、iOS、Raspberry Pi及服务器端，支持Python、Java、Node.js、C#等多种语言绑定。适用于对隐私敏感或无网络环境下的语音交互场景，如智能硬件、聊天机器人、会议字幕生成与课堂录音转写等。