pip install vosk  # 核心库

pip install pyaudio  # 音频输入（麦克风录音用）

pip install wave  # 音频文件处理（可选，用于解析WAV文件）

模型名称

体积

适用场景

下载地址

vosk-model-small-cn-0.22

40MB

轻量场景、嵌入式设备

下载链接

vosk-model-cn-0.22

1.1GB

高精度场景、桌面应用

下载链接

import vosk

import pyaudio

print("Vosk版本：", vosk.__version__)

print("PyAudio是否可用：", pyaudio.PyAudio() is not None)

import vosk

import pyaudio

import json

# 1. 配置模型路径（替换为你的模型文件夹路径）

MODEL_PATH = r"D:\models\vosk-model-small-cn-0.22"

# 2. 初始化模型

model = vosk.Model(MODEL_PATH)

# 3. 配置音频参数（需与模型要求一致）

FORMAT = pyaudio.paInt16  # 16位采样

CHANNELS = 1  # 单声道

RATE = 16000  # 采样率（Vosk模型默认16000Hz）

CHUNK = 4096  # 缓冲区大小

def realtime_asr():

    # 初始化音频流

    p = pyaudio.PyAudio()

    stream = p.open(

        format=FORMAT,

        channels=CHANNELS,

        rate=RATE,

        input=True,

        frames_per_buffer=CHUNK

    )

    print("�� 开始录音，按 Ctrl+C 停止...")

    try:

        while True:

            # 读取音频数据

            data = stream.read(CHUNK)

            # 语音识别（返回JSON字符串）

            result = model.Recognize(data)

            # 解析结果

            if result:

                text = json.loads(result)["text"]

                if text:  # 过滤空结果

                    print(f"识别结果：{text}")

    except KeyboardInterrupt:

        print("\n�� 录音停止")

    finally:

        # 释放资源

        stream.stop_stream()

        stream.close()

        p.terminate()

if __name__ == "__main__":

    realtime_asr()

�� 开始录音，按 Ctrl+C 停止...

识别结果：你好 Vosk 语音识别

识别结果：今天天气不错

识别结果：Python 实战教程

�� 录音停止

import vosk

import wave

import json

MODEL_PATH = r"D:\models\vosk-model-small-cn-0.22"

WAV_FILE_PATH = r"D:\test_audio.wav"  # 你的WAV文件路径

def wav_asr():

    # 验证WAV文件参数

    wf = wave.open(WAV_FILE_PATH, "rb")

    if wf.getnchannels() != CHANNELS or wf.getsampwidth() != 2 or wf.getframerate() != RATE:

        print("❌ WAV文件参数错误！需满足：单声道、16位、16000Hz")

        return

    # 初始化模型和识别器

    model = vosk.Model(MODEL_PATH)

    rec = vosk.KaldiRecognizer(model, wf.getframerate())

    rec.SetWords(True)  # 启用词级识别（可选）

    print("�� 正在识别音频文件...")

    full_text = ""

    # 逐帧读取音频并识别

    while True:

        data = wf.readframes(4096)

        if len(data) == 0:

            break

        if rec.AcceptWaveform(data):

            # 解析完整句子

            result = json.loads(rec.Result())

            full_text += result["text"] + " "

    # 识别最后一段音频

    final_result = json.loads(rec.FinalResult())

    full_text += final_result["text"]

    print(f"\n完整识别结果：{full_text.strip()}")

    wf.close()

if __name__ == "__main__":

    wav_asr()

# 自定义词汇表（vocab.txt 中每行一个词汇）

rec = vosk.KaldiRecognizer(model, RATE)

rec.SetGrammarFile("vocab.txt")