Sherpa-onnx v1.11.0 版本发布：全面支持语音增强与多语言ASR
项目地址: https://gitcode.com/GitHub_Trending/sh/sherpa-onnx Sherpa-onnx 是一个基于ONNX Runtime的高性能语音处理工具包，专注于提供跨平台的语音识别（ASR）、语音合成（TTS）、语音活动检测（VAD）等能力。最新发布的v1.11.0版本带来了多项重要更新，特别是在语音增强和RKNN支持方面有显著提升。
核心功能增强
1. 语音增强GTCRN模型支持
本次更新最引人注目的是新增了对GTCRN（Gated Temporal Convolutional Recurrent Network）语音增强模型的全栈支持。GTCRN是一种结合了时域卷积和循环神经网络优势的语音增强架构，能有效去除噪声和混响，提升语音质量。
项目提供了完整的跨平台支持：
- C++运行时核心
- Python API接口
- C语言绑定
- 跨平台框架（包括Swift、C#、Go、Pascal、Dart等）
- WebAssembly和JavaScript支持
- 移动端（Kotlin/Java）集成方案
2. RKNN平台优化
针对特定NPU的RKNN平台，v1.11.0版本做了专门优化：
- 支持Zipformer CTC模型在RKNN上的推理
- 实现了transducer modified_beam_search算法适配
- 提供预编译的Linux aarch64静态/动态库
多语言ASR改进
项目持续强化多语言支持能力：
- 新增日语Zipformer Reazonspeech模型
- 优化泰语Zipformer Gigaspeech2模型
- 增强中英混合Paraformer模型
- 支持粤语-英语混合识别
开发者体验提升
- 新增C++ VAD+非流式ASR演示程序
- 完善Go语言绑定（新增OfflineRecognizerSetConfig接口）
- 提供CMake子项目集成测试方案
- 优化Whisper模型的token生成速率控制
性能优化
- 采用Ebranchformer结构提升模型效率
- 优化内存管理和线程调度
- 减少WASM版本的体积
应用场景
新版本特别适合以下场景：
- 嘈杂环境下的语音识别预处理
- 嵌入式设备上的实时语音处理
- 多语言混合对话系统
- 低功耗设备的语音交互
v1.11.0版本标志着Sherpa-onnx在语音处理全栈能力上的又一次飞跃，特别是语音增强功能的加入使其成为更完整的语音解决方案。项目团队持续关注开发者需求，通过丰富的API支持和跨平台能力，让语音技术集成变得更加简单高效。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
