speechbrain

SpeechBrain 是一个基于 PyTorch 的开源语音处理工具包，专注于简化端到端 Conversational AI 系统的开发。它提供统一框架支持语音识别（ASR）、说话人日志（diarization）、说话人验证、语音增强、语音分离、语音转文本、语言建模等20余项任务，并内置200+可复现训练脚本及对 Whisper、Wav2Vec2、HuBERT 等主流预训练模型的集成支持。项目采用模块化设计，强调易用性与可扩展性，适合学术研究、语音系统原型开发及工业级语音应用快速迭代。