__                    
 |\/|  _. ._     (_  ._   _   _   _ |_  
 |  | (_| | | \/ __) |_) (/_ (/_ (_ | | 
              /      |                  

manyspeech-cli 是一款免安装本地命令行语音识别工具，支持本地音频文件识别、麦克风实时流式识别等能力。提供交互模式与命令行模式两种使用方式，模型自动下载、离线推理、字幕生成全流程均可通过命令行一键完成。

下载地址：https://modelscope.cn/models/manyeyes/manyspeech-cli

✨ 功能更新日志

• 【2026-05-12】 新增配置文件管理，支持参数持久化、配置查看与重置
• 【2026-05-11】 重构命令行解析，支持参数智能补全、自动帮助生成
• 【2026-05-08】 新增更多模型支持，简化交互流程，优化终端输出格式
• 【2025-09-22】 支持 fsmn-vad / silero-vad 双VAD模型自由切换
• 【2025-09-09】 新增 2pass 识别模式，优化时间戳精度
• 【2025-09-05】 支持输出 SRT字幕、JSON、纯文本 等多格式结果
• 【2025-08-29】 首发 manyspeech-cli，支持多类ASR模型本地离线推理

🚀 快速运行说明

两种使用模式

性能优化提示

• 将 --threads 2 改为 --threads 8 可手动设置推理线程
• 设为 --threads 0 即可自动检测CPU核心数，智能适配最优并发

💻 快速上手示例

示例1：第一次使用（交互模式）

# 1. 双击运行程序
manyspeech-cli.exe

# 2. 选择语言（输入 1 或 2）
请选择语言: 1. 中文; 2. English;
1

# 3. 输入识别命令
> -t offline -f D:\test.wav

# 程序自动下载模型并开始识别，输出识别结果
# 首次运行会自动生成配置文件 manyspeech.json

示例2：命令行一键识别

# 打开 cmd 或 PowerShell，进入程序目录
cd D:\Tools\ManySpeech

# 识别单个文件
manyspeech -t offline -f test.wav

# 识别多个文件
manyspeech -t offline -f audio1.wav audio2.wav audio3.wav

示例3：麦克风实时识别（按 ESC 退出）

# 流式模型 + 麦克风（延迟最低）
manyspeech -t online -i mic

# 离线模型 + 麦克风（精度更高）
manyspeech -t offline -m chunk -i mic

# 2pass 模式 + 麦克风（兼顾实时与精度）
manyspeech -t 2pass -i mic

📁 配置文件管理

配置文件位置

首次运行程序时，会在程序目录自动生成 manyspeech.json 配置文件：

配置文件示例

{
  "version": "1.0.0",
  "defaults": {
    "method": "chunk",
    "input": "file",
    "format": "text",
    "threads": 2,
    "accuracy": "int8",
    "model": "",
    "model2": "",
    "vad": "alifsmnvad-onnx",
    "punc": "alicttransformerpunc-zh-en-mge-int8-onnx",
    "base": "",
    "output": ""
  }
}

配置字段说明

配置管理命令

配置优先级（从高到低）

命令行参数（临时覆盖，最高优先级）
        ↓
    --save-default 保存的参数
        ↓
    本地配置文件（程序目录/manyspeech.json）
        ↓
    用户配置文件（%USERPROFILE%\.manyspeech\manyspeech.json）
        ↓
    系统配置文件（%PROGRAMDATA%\ManySpeech\manyspeech.json）
        ↓
    环境变量（MANYSPEECH_*）
        ↓
    程序内置默认值（最低优先级）

配置使用示例

# 查看当前配置
manyspeech --show-config

# 输出示例：
========== 当前配置 ==========
配置文件: D:\Tools\manyspeech.json
总运行次数: 15
上次运行: 2026-01-15 10:35:00

默认配置:
  method: chunk
  input: file
  format: srt
  threads: 4
  accuracy: int8
  base: D:\MyModels
  output: D:\Output
...

# 保存当前参数为默认配置
manyspeech -t offline -m chunk --format srt --threads 4 --save-default
✅ 当前参数已保存为默认配置

# 之后直接运行，自动使用保存的默认值
manyspeech -f test.wav

# 重置配置
manyspeech --reset-config
✅ 配置已重置为默认值

-b, --base 模型目录配置

模型目录可以通过以下方式指定：

# 方式1：命令行指定（临时）
manyspeech -t offline -b D:\TempModels -f test.wav

# 方式2：配置文件指定（永久）
# 编辑 manyspeech.json
{
  "defaults": {
    "base": "D:\\MyModels"
  }
}
manyspeech -t offline -f test.wav   # 自动使用 D:\MyModels

# 方式3：环境变量指定
set MANYSPEECH_BASE=D:\MyModels
manyspeech -t offline -f test.wav

-o, --output 工作目录配置

工作目录（存放识别结果、日志、临时文件等）可以通过以下方式指定：

# 方式1：命令行指定（临时）
manyspeech -t offline -o D:\TempOutput -f test.wav

# 方式2：配置文件指定（永久）
# 编辑 manyspeech.json
{
  "defaults": {
    "output": "D:\\MyOutput"
  }
}
manyspeech -t offline -f test.wav   # 自动输出到 D:\MyOutput

# 方式3：环境变量指定
set MANYSPEECH_OUTPUT=D:\MyOutput
manyspeech -t offline -f test.wav

💡 典型使用示例

1. 长音频离线流式识别 · 生成字幕

# FireRedASR 大模型（中文最佳，高精度）
manyspeech -t offline -m chunk --format srt --threads 4 -f "D:\audio\0.wav" --model fireredasr2-aed-large-zh-en-int8-onnx-selfcrosskv-offline-20260212

# FunASR 轻量模型（速度快，资源占用低）
manyspeech -t offline -m chunk --format srt --threads 2 -f "D:\audio\0.wav" --model Fun-ASR-Nano-2512-LLM-int8-onnx

# Paraformer 大模型（通用场景，平衡精度与速度）
manyspeech -t offline -m chunk --format srt --threads 4 -f "D:\audio\0.wav" --model paraformer-large-wenetspeech-chuan-int8-onnx-offline

# Whisper large（多语言支持）
manyspeech -t offline -m chunk --format srt --threads 8 -f "D:\audio\0.wav" --model whisper-large-v3-turbo-int8-onnx-kv

# K2Transducer 轻量模型（实时性强，适合长音频）
manyspeech -t offline -m chunk --format srt --threads 2 -f "D:\audio\0.wav" --model k2transducer-zipformer-ctc-small-zh-int8-onnx-offline-20250716

2. 麦克风离线流式识别 · 生成字幕

# FireRedASR 大模型（高精度，适合会议记录）
manyspeech -t offline -m chunk --format srt --threads 4 -i mic --model fireredasr2-aed-large-zh-en-int8-onnx-selfcrosskv-offline-20260212

# FunASR 大模型（高精度，适合会议记录）
manyspeech -t offline -m chunk --format srt --threads 2 -i mic --model Fun-ASR-Nano-2512-LLM-int8-onnx

# Paraformer 轻量模型（低延迟，适合实时转录）
manyspeech -t offline -m chunk --format srt --threads 4 -i mic --model paraformer-large-zh-en-timestamp-int8-onnx-offline

# SenseVoiceSmall 小模型（低延迟，适合实时转录）
manyspeech -t offline -m chunk --format srt --threads 2 -i mic --model sensevoice-small-int8-onnx

3. 麦克风实时流式识别 · 实时生成字幕

# Paraformer 流式模型（通用流式识别，稳定性好）
manyspeech -t online --format srt -i mic --model paraformer-large-zh-en-int8-onnx-online

# K2Transducer 大模型（中文流式，精度高）
manyspeech -t online --format srt -i mic --model k2transducer-zipformer-ctc-large-zh-onnx-online-yuekai-20250630

# K2Transducer 超大模型（中文流式，极致精度，推荐高性能设备）
manyspeech -t online --format srt -i mic --model k2transducer-zipformer-ctc-xlarge-zh-onnx-online-yuekai-20250630

# K2Transducer 英文模型（英文通用）
manyspeech -t online --format srt -i mic --model k2transducer-zipformer-en-int8-onnx-online-zengwei-20230517

# Wenet 流式模型（中文通用）
manyspeech -t online --format srt -i mic --model wenet-u2pp-conformer-wenetspeech-int8-onnx-online-20220506

# Wenet 英文模型（英文通用）
manyspeech -t online --format srt -i mic --model wenet-u2pp-conformer-gigaspeech-onnx-online-20210728

# Whisper tiny 轻量模型（多语言）
manyspeech -t offline --format srt -i mic --model whisper-tiny-int8-onnx-kv

4. 2pass 双流融合识别 · 实时精修

# Paraformer 2pass（实时输出 + 最终精修）
manyspeech -t 2pass -i mic --model paraformer-large-zh-en-int8-onnx-online --model2 paraformer-seaco-large-zh-timestamp-int8-onnx-offline

# K2Transducer 2pass（流式实时 + 离线精修）
manyspeech -t 2pass -i mic --model k2transducer-zipformer-ctc-large-zh-onnx-online-yuekai-20250630 --model2 k2transducer-zipformer-ctc-small-zh-int8-onnx-offline-20250716

# Wenet 2pass（流式实时 + 离线精修）
manyspeech -t 2pass -i mic --model wenet-u2pp-conformer-wenetspeech-onnx-online-20220506 --model2 wenet-u2pp-conformer-wenetspeech-int8-onnx-offline-20220506

📚 支持模型列表参考

• AliParaformerAsr：https://github.com/manyeyes/ManySpeech/blob/master/docs/readme/AliParaformerAsr/README.zh_CN.md
• FireRedAsr：https://github.com/manyeyes/ManySpeech/blob/master/docs/readme/FireRedAsr/README.zh_CN.md
• K2TransducerAsr：https://github.com/manyeyes/ManySpeech/blob/master/docs/readme/K2TransducerAsr/README.zh_CN.md
• MoonshineAsr：https://github.com/manyeyes/ManySpeech/blob/master/docs/readme/MoonshineAsr/README.zh_CN.md
• WenetAsr：https://github.com/manyeyes/ManySpeech/blob/master/docs/readme/WenetAsr/README.zh_CN.md
• WhisperAsr ONNX
• DolphinAsr ONNX
• OmniAsr ONNX
• Fun-ASR-Nano-2512 ONNX
• parakeet-tdt ONNX
• MedAsr ONNX 等等模型

更多模型请参考：

https://modelscope.cn/profile/manyeyes?tab=model

⚙️ 参数详细说明

基本选项

配置管理选项

环境变量列表

参数速记

• -t = --type
• -m = --method
• -i = --input
• -b = --base
• -o = --output
• -md = --model
• -f = --files

📖 详细使用教程

1. 默认规则说明

• 未指定 -model 时自动使用默认模型
• 默认自动启用VAD断句 + 标点恢复
• 指定 --format srt 可生成标准字幕文件
• 缺失模型时程序自动后台下载（模型较大，请耐心等待）
• 配置文件：首次运行自动生成，可编辑修改默认参数

2. 快速体验最简命令

# 非流式识别（使用默认模型、默认测试音频）
manyspeech -t offline

# 实时流式识别（麦克风）
manyspeech -t online -i mic

# 2pass 双流融合识别
manyspeech -t 2pass -i mic

3. 本地音频文件识别

# 单文件识别
manyspeech -t offline -f meeting.wav

# 多文件批量识别
manyspeech -t offline -f meeting1.wav meeting2.wav meeting3.wav

# 分片处理长音频（建议配合VAD，精度更高）
manyspeech -t offline -m chunk -f long_audio.wav

# 流式模型识别本地文件
manyspeech -t online -m chunk -f audio.wav

# 输出JSON格式（含时间戳）
manyspeech -t offline --format json -f audio.wav

# 指定输出目录
manyspeech -t offline -f audio.wav -o D:\Output

4. 麦克风实时识别

# 流式模型 + 麦克风（延迟最低，约200ms）
manyspeech -t online -i mic

# 离线模型 + 麦克风（精度更高，约1-2秒延迟）
manyspeech -t offline -m chunk -i mic

# 2pass 模式 + 麦克风（首次实时输出，最终精修）
manyspeech -t 2pass -i mic

# 指定VAD模型
manyspeech -t online --vad silero-vad-v6-onnx -i mic

# 实时输出SRT字幕
manyspeech -t online --format srt -i mic

5. VAD / 标点模型 启停与切换

# 禁用 VAD 和标点（原始识别结果）
manyspeech -t offline --vad "" --punc ""

# 切换 Silero VAD（更适合嘈杂环境）
manyspeech -t offline --vad silero-vad-v6-onnx -f audio.wav

# 使用默认 FSMN VAD（速度快，适合清晰语音）
manyspeech -t offline --vad alifsmnvad-onnx -f audio.wav

# 仅禁用标点，保留VAD
manyspeech -t online --punc "" -i mic

6. 多格式字幕输出

# 输出 SRT 字幕（最常用）
manyspeech -t offline -m chunk --format srt -f audio.wav
# 生成 audio.srt 文件

# 输出 WebVTT 字幕（网页使用）
manyspeech -t offline --format vtt -f audio.wav
# 生成 audio.vtt 文件

# 输出 JSON 格式（程序解析）
manyspeech -t offline --format json -f audio.wav
# 输出结构化 JSON，含文本、时间戳、置信度

# 输出纯文本（默认）
manyspeech -t offline -f audio.wav
# 直接输出识别文字

7. 手动指定任意模型

# 查看可用模型：https://modelscope.cn/profile/manyeyes?tab=model

# SenseVoice 小模型（轻量快速）
manyspeech -t offline -i mic --model sensevoice-small-int8-onnx

# Whisper tiny（英文优化）
manyspeech -t offline -f english.wav --model whisper-tiny-en-onnx

# Whisper large（多语言高精度）
manyspeech -t offline -f multilingual.wav --model whisper-large-v3-turbo-zh-onnx-belle-20241016

# FireRedASR 大模型（中文最佳）
manyspeech -t offline -m chunk --model fireredasr2-aed-large-zh-en-int8-onnx-selfcrosskv-offline-20260212 -f chinese.wav

# Paraformer 大模型（通用场景）
manyspeech -t offline -m chunk --model paraformer-large-zh-en-int8-onnx-offline -f general.wav

# K2Transducer 模型（实时性强）
manyspeech -t online -i mic --model k2transducer-zipformer-ctc-large-zh-onnx-online-yuekai-20250630

# 2pass 模式指定副模型
manyspeech -t 2pass -i mic --model paraformer-large-zh-en-int8-onnx-online --model2 paraformer-seaco-large-zh-timestamp-int8-onnx-offline

8. 环境变量配置（适合高频场景）

# Windows cmd
set MANYSPEECH_TYPE=online
set MANYSPEECH_METHOD=chunk
set MANYSPEECH_THREADS=4
set MANYSPEECH_FORMAT=srt
set MANYSPEECH_OUTPUT=D:\Output
manyspeech -i mic

# Windows PowerShell
$env:MANYSPEECH_TYPE="online"
$env:MANYSPEECH_METHOD="chunk"
$env:MANYSPEECH_THREADS="4"
$env:MANYSPEECH_FORMAT="srt"
$env:MANYSPEECH_OUTPUT="D:\Output"
manyspeech -i mic

9. 交互模式完整示例

# 启动交互模式
manyspeech

# 会话示例：
=====================================
请输入参数 (输入 'exit' 退出，直接回车显示帮助):

# 识别单个文件
> -t offline -f D:\test.wav
[识别结果...]

# 批量识别
> -t offline -f 1.wav 2.wav 3.wav --format srt
[生成3个字幕文件...]

# 麦克风实时识别
> -t online -i mic
[按 ESC 退出...]

# 指定模型识别
> -t offline -i mic --model fireredasr2-aed-large-zh-en-int8-onnx-selfcrosskv-offline-20260212

# 指定输出目录
> -t offline -f test.wav -o D:\MyOutput

# 查看配置
> --show-config

# 保存当前参数为默认
> -t offline -m chunk --format srt --save-default

# 查看帮助
> --help

# 退出
> exit

10. 批量处理脚本示例

# Windows批处理脚本 (batch_process.bat)
@echo off
setlocal enabledelayedexpansion

set INPUT_DIR=D:\audio
set OUTPUT_DIR=D:\output

for %%f in ("%INPUT_DIR%\*.wav") do (
    echo Processing %%f...
    manyspeech -t offline -m chunk --format srt --threads 4 -f "%%f" -o "%OUTPUT_DIR%"
)

echo All files processed!
pause

# PowerShell 脚本 (batch_process.ps1)
$inputDir = "D:\audio"
$outputDir = "D:\output"

Get-ChildItem $inputDir -Filter *.wav | ForEach-Object {
    Write-Host "Processing $($_.Name)..."
    & manyspeech -t offline -m chunk --format srt --threads 4 -f $_.FullName -o $outputDir
}

Write-Host "All files processed!"

📌 补充说明

识别类型详解

输出格式详解

处理方式详解

注意事项

• 配置文件：首次运行自动生成 manyspeech.json，可编辑修改默认参数
• 模型下载：缺失模型时程序自动后台下载，无需手动安装（模型较大，首次下载请耐心等待）
• Git LFS：如需手动下载模型，建议安装 Git LFS，但非必需（程序会自动处理）
• 2pass 模式主模型为 online 模型，副模型 model2 为离线模型
• 麦克风识别过程按 ESC键 即可退出
• 命令行帮助：--help 或 -h 可查看完整参数说明
• 模型命名：模型名称可从 ModelScope主页 获取

🔗 项目参考

ManySpeech 开源主页