以下是用中文整理的当前主流的语音识别（ASR）框架与工具，分为开源框架、商业平台和推理工具三类，供您参考：

一、开源框架

1. WeNet

   • 特点：专为工业场景优化的端到端语音识别框架（由出门问问开发），支持流式/非流式识别，训练推理一体化。
   • 优势：中文场景表现突出，支持热词定制、模型量化部署。
   • GitHub：wenet-e2e/wenet

2. ESPnet

   • 特点：支持多任务处理（ASR+TTS），集成了Transformer、Conformer等主流模型。
   • 适用：学术研究与企业级应用，支持中文/多语种混合模型。
   • GitHub：espnet/espnet

3. Paraformer（达摩院）

   • 特点：非自回归模型，推理速度极快，适合实时场景，内置预训练中文模型。
   • 项目：modelscope中的Paraformer

4. Kaldi（经典工具）

   • 特点：传统GMM-HMM与端到端结合，社区资源丰富（但需自行配置中文模型）。
   • 中文适配：kaldi-asr/kaldi（需训练中文数据）

5. Whisper（OpenAI）

   • 特点：多语言通用模型（含中文），支持语音转录/翻译，开源版本支持本地部署。
   • GitHub：openai/whisper（需Python环境）

二、商业云平台（API服务）

1. 阿里云智能语音交互

   • 功能：实时/录音文件识别，支持定制化热词与声学模型优化。
   • 链接：阿里云语音识别

2. 百度语音识别

   • 功能：高精度中文识别，支持长语音、方言（粤语/四川话等）和离线SDK。
   • 链接：百度语音开放平台

3. 科大讯飞开放平台

   • 功能：中英文混合识别，提供行业定制方案（医疗/教育等）。
   • 链接：讯飞开放平台-语音识别

4. 腾讯云语音识别（ASR）

   • 功能：实时流式识别，支持16种方言和个性化语音训练。
   • 链接：腾讯云ASR

三、部署与推理工具

1. ONNXRuntime

   • 用途：跨平台模型部署（如转换WeNet/Paraformer至ONNX格式加速推理）。
   • 链接：microsoft/onnxruntime

2. TorchAudio + PyTorch

   • 用途：结合预训练模型（如Wav2Vec2.0）快速搭建自定义ASR流程。
   • 示例：Hugging Face提供中文Wav2Vec2模型（facebook/wav2vec2-large-robust-ft-chinese-common）

选择建议

如需特定场景的详细教程（如训练中文模型、嵌入式部署），欢迎补充说明！