espnet

ESPnet 是一个开源的端到端语音处理工具包，支持语音识别、语音合成、语音增强、说话人日志、语音分离、语音翻译等多种任务。基于 PyTorch 实现，提供统一的训练/推理框架、预训练模型库及可复现的基准实验配置，兼容 Kaldi 特征提取流程，并支持多语言与多任务联合建模。适用于学术研究、语音技术原型开发及工业级语音系统快速验证等场景。