Trending

hayamimi

oboroge0MIT2026.09.20

STT343 Stars25 Forks50 조회

GPU나 클라우드 API 없이 CPU만으로 동작하는 실시간 다국어 음성 인식 도구다. 말하는 동안 약 0.5초마다 부분 자막을 갱신하고, 발화가 끝나면 약 100ms 뒤 확정 문장을 낸다(일본어 기준). 발화마다 언어를 판별해 일본어는 ReazonSpeech, 중국어는 Paraformer, 한국어·광둥어는 SenseVoice, 영어·유럽 24개 언어는 Parakeet v3, 그 밖의 약 1600개 언어는 Omnilingual ASR로 보낸다. 모든 모델은 sherpa-onnx 기반 INT8 ONNX로 실행되며, 일본어 방송 음성에서 CER 3.8%(whisper-large-v3-turbo 13.8%)를 보고했다. 코드는 MIT 라이선스다.

주요 특징

일본어·중국어·한국어·광둥어·영어+유럽 24개 언어를 각각 전용 모델로 보내고 나머지 약 1600개 언어는 Omnilingual ASR로 처리하는 5경로 언어 라우팅
발화 중 약 0.5초 간격 부분 자막과 발화 종료 후 약 100ms 확정 출력, 2초 침묵 뒤 최근 발화를 다시 디코딩하는 2패스 보정
CAM++·pyannote segmentation-3.0 기반 화자 라벨(S1/S2…)과 FuguMT·M2M-100을 이용한 일본어 실시간 번역
--serve 옵션의 브라우저 대시보드·OBS 오버레이, WebSocket 네트워크 오디오 입력, Windows 스피커 루프백·마이크 혼합 입력 지원
핫워드·치환 사전, CJK 숫자 정규화, 이벤트 허브와 /config API로 다른 앱에 임베딩 가능, LRU 모델 교체로 상주 메모리 2GB 미만 유지

Open Source

hayamimi

주요 특징

태그

관련 프로젝트

whisper.cpp

VibeVoice

WhisperX

faster-whisper