sensevoice是阿里开源的中日韩+粤语的语音识别模型，主流都是用python实现

我用onnxruntime写了一个rust版本：

• 自动从huggingface.co 下载模型（也支持hf-mirrors.com)

• 支持mp3/ogg/wav 多声道转录

• 性能比python版本略好

• 采用silero-vad 做语音分割，比较精确

• 全静态链接，直接打包到自己的程序里去调用

使用很简单：

sensevoice-cli path/to/audio.wav

输出：

[
  {
    "channel": 0,
    "duration_sec": 5.592,
    "rtf": 0.019642152,
    "segments": [
      {
        "start_sec": 0.77,
        "end_sec": 5.31,
        "text": "开放时间早上九点至下午五点",
        "tags": []
      }
    ]
  }
]