sherpa-onnx
स्थानीय स्पीच-टू-टेक्स्ट, टेक्स्ट-टू-स्पीच, और ऑडियो प्रोसेसिंग ऑफ़लाइन टूलकिट।
इंटरनेट कनेक्शन के बिना स्थानीय रूप से स्पीच रिकग्निशन, डायरीज़ेशन और VAD चलाएं।
sherpa-onnx अगली पीढ़ी के Kaldi और onnxruntime द्वारा संचालित ऑफ़लाइन स्पीच-टू-टेक्स्ट, टेक्स्ट-टू-स्पीच, स्पीकर डायरीज़ेशन और VAD प्रदान करता है। इसे मानसिक स्वास्थ्य पेशेवरों और डेवलपर्स के लिए बनाया गया है जिन्हें क्लाउड सेवाओं को संवेदनशील डेटा उजागर किए बिना पूरी तरह से स्थानीय उपकरणों पर थेरेपी सत्र ऑडियो को प्रोसेस करने की आवश्यकता होती है।
यह क्या है
यह टूल स्थानीय स्पीच रिकग्निशन, स्पीकर आइडेंटिफिकेशन, डायरीज़ेशन, ऑडियो टैगिंग, सोर्स सेपरेशन और वॉयस एक्टिविटी डिटेक्शन करता है। यह 12 अलग-अलग प्रोग्रामिंग भाषाओं में एम्बेडेड सिस्टम, मोबाइल उपकरणों, डेस्कटॉप और सर्वर पर पूरी तरह से ऑफ़लाइन चलता है।
किसके लिए
यह थेरेपी सत्रों का विश्लेषण या ट्रांसक्राइब करने केلए सुरक्षित, ऑफ़लाइन-प्रथम एप्लिकेशन बनाने वाले चिकित्सकों, शोधकर्ताओं और डेवलपर्स के लिए उपयुक्त है। यह उन चिकित्सकों के लिए उपयुक्त नहीं है जो शून्य तकनीकी सेटअप की आवश्यकता वाले टर्नकी, क्लाउड-होस्टेड SaaS प्रैक्टिस मैनेजमेंट प्लेटफॉर्म की तलाश कर रहे हैं।
मुख्य विशेषताएँ
ऑफ़लाइन स्पीच रिकग्निशन
इंटरनेट एक्सेस के बिना स्ट्रीमिंग या नॉन-स्ट्रीमिंग मॉडल का उपयोग करके स्थानीय रूप से ऑडियो ट्रांसक्राइब करें।
स्पीकर डायरीज़ेशन
थेरेपी सत्र जैसी बहु-व्यक्ति बातचीत में विभिन्न वक्ताओं की पहचान करें और उन्हें अलग करें।
वॉयस एक्टिविटी डिटेक्शन
स्थानीय रूप से एम्बेडेड silero-vad जैसे टूल का उपयोग करके भाषण खंडों का सटीक पता लगाएं।
मल्टी-प्लेटफ़ॉर्म सपोर्ट
Android, iOS, Linux, Windows, macOS, Raspberry Pi, और विशेष NPU में तैनात करें।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- संवेदनशील थेरेपी ऑडियो के लिए पूर्ण डेटा गोपनीयता सुनिश्चित करते हुए पूरी तरह से ऑफ़लाइन चलता है
- Python, C++, Java, और Swift सहित 12 प्रोग्रामिंग भाषाओं का समर्थन करता है
- Flutter और Tauri के लिए प्री-बिल्ट डेमो ऐप प्रदान करता है
- स्पीच एन्हांसमेंट, सोर्स सेपरेशन और विराम चिह्न पुनर्स्थापना शामिल है
कहाँ कमी है
- लक्षित प्लेटफार्मों पर संकलित, एकीकृत और तैनात करने के लिए महत्वपूर्ण तकनीकी कौशल की आवश्यकता होती है
- मानसिक स्वास्थ्य वर्कफ़्लो के लिए विशेष रूप से अनुकूलित उपयोग के लिए तैयार ग्राफिकल यूजर इंटरफेस शामिल नहीं है
- आपको स्थानीय रूप से अपने स्वयं के स्पीच और AI मॉडल को खोजना, चुनना और प्रबंधित करना होगा
मूल्य & लाइसेंस
Apache-2.0 लाइसेंस के तहत मुफ्त, प्रोजेक्ट द्वारा कोई भुगतान किए गए होस्टेड विकल्प प्रदान नहीं किए जाते हैं। एकमात्र लागत इसे अपने स्वयं के हार्डवेयर पर स्वयं चलाना है।
हिंदी बोलने वालों के लिए जॉब्स
876 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
क्या sherpa-onnx को चलाने के लिए इंटरनेट कनेक्शन की आवश्यकता है?
नहीं, सभी स्पीच रिकग्निशन, टेक्स्ट-टू-स्पीच और ऑडियो प्रोसेसिंग कार्य पूरी तरह से ऑफ़लाइन चलते हैं।
कौन सी प्रोग्रामिंग भाषाएं समर्थित हैं?
यह C++, C, Python, JavaScript, Java, C#, Kotlin, Swift, Go, Dart, Rust, और Pascal सहित 12 भाषाओं का समर्थन करता है।
क्या मैं इसे मोबाइल उपकरणों पर चला सकता हूँ?
हाँ, यह उपलब्ध प्री-बिल्ट Flutter और Tauri डेमो ऐप्स के साथ Android, iOS और HarmonyOS का समर्थन करता है।
