请问安卓一般如何做语音转文本

[Yiverin]

rt 请问安卓是否有自带包可以实现？目前最好用的一般是走什么方案？谢谢~

[dayeye2006199]

不需要本地就随便找个 API

[Yiverin]

@dayeye2006199 您一般推荐什么 api 呀？而且我的需求不是实时的。比如 1 小时的录音转文本

[unclemcz]

长音频转录当前好像还没看到有纯客户端方案。

[Yiverin]

@unclemcz 是的，感觉大家都只做实时的。感觉很奇怪，不支持导入音频

[unclemcz]

@Yiverin 性能跟不上吧，举个例子，我用 4070laptop ，转录一个小时的音频，差不多 5 分钟左右，这还是用 whisper turbo 模型的情况下。同样模型，手机端估计没办法。

[unclemcz]

实时转录也就几十秒，体验会好很多。

[felixlong]

有支持 Android 的客户端方案，而且是 Whisper：
https://github.com/ggerganov/whisper.cpp

[Yiverin]

@unclemcz 好的感谢！

[Yiverin]

@felixlong 谢谢您~

[Yiverin]

@felixlong 这简直太棒了

[hahiru]

语音转文字用飞书就挺好。客户端效果非常不错。

[Yiverin]

@hahiru 飞书妙记吗，好像有 300 分钟一个月的限制？

[magicZ]

当然是新一代的 kaldi ，文档详细功能强大, https://github.com/k2-fsa/sherpa-onnx

[ykrank]

借楼问一下，有没有本地图像识别的 SDK ？最好免费的模型

[ykrank]

识别图片里的文字

[Yiverin]

@magicZ 辣么牛皮！我来康康，谢谢！

[luaex]

ASR 建议用 sherpa

[luaex]

@ykrank cnocr 里面的那些 onnx 的模型也许能试一下 https://github.com/SvenVincent/cnocr

[XXWHCA]

@ykrank #14 谷歌的 ML Kit 机器学习就可以本地 OCR ，免费
https://developers.google.com/ml-kit/guides?hl=zh-cn