sherpa

Sherpa Speech Model Collection

本仓库整理了多套可直接在 Sherpa/Sherpa-ONNX 环境中部署的语音模型，涵盖

离线语音识别（ASR）和中文/中英混合文本转语音（TTS）。所有模型均已转换为

ONNX 或提供可复现的转换脚本，方便快速集成或二次微调。

目录速览

路径 任务 说明

• -- --- ---

sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17/ ASR 来自 FunAudioLLM SenseVoice 的多语种 Conformer Transducer，含 FP32 与 INT8 ONNX。

matcha-icefall-zh-baker/ TTS 使用 DataBaker 女声语料在 icefall/Matcha 训练，附 lexicon/FST 资源与 22 kHz Vocos。

matcha tts zh en 20251010/ TTS 基于 dengcunqin/matcha tts zh en 微调的温柔女声，提供 PyTorch/ONNX 权重及测试脚本。

configuration.json 元数据 面向 ModelScope 的框架/任务标注。

各子目录还包含额外 README 或脚本，建议在使用前仔细阅读以了解数据限制、导出

方式及注意事项。

下载方式

• ModelScope SDK

• Git 克隆

快速使用

SenseVoice Sherpa-ONNX ASR

主要文件： model.onnx 、 model.int8.onnx 、 tokens.txt 、 export-onnx.py 、 test wavs/

环境准备： pip install -U sherpa-onnx soundfile

推理示例：

想节省 CPU 资源时，可改用 model.int8.onnx 。 export-onnx.py 展示了从原始

SenseVoice 检查点导出的流程，方便复现或自定义量化设置。

Matcha Icefall DataBaker TTS

主要文件： model-steps-3.onnx 、 vocos-22khz-univ.onnx 、 lexicon.txt 、多个 FST

( date.fst 、 number.fst 等) 和 tokens.txt 。

数据集来自 DataBaker，仅限非商业用途；请遵循子目录 README 中的声明。

在 Sherpa-ONNX 中合成示例：

若需重新训练或微调，可参考 icefall 仓库 egs/baker zh/TTS 中的完整脚本。

Matcha TTS zh/en 20251010（温柔女声）

主要文件： pytorch model*.bin 、 model-steps-3.onnx 、 model-steps-6.onnx 、

vocos-16khz-univ.onnx 、 tokens.txt 、 vocab tts.txt 、 test sherpa onnx.py 。

演示脚本：

将脚本中的 text 或 ids 替换为自定义内容即可生成音频。PyTorch 权重允许继续

在自有语料上微调，并可借助脚本导出新的 ONNX 文件。

在线体验（贡献者提供）：https://www.tulingyun.com/tts.html ，语音模型选择温柔女声。

贡献与支持

需要补充模型卡片或上传新的权重，可参考

ModelScope 模型贡献流程。

如果在模型使用或部署中遇到问题，可在本仓库提交 issue/PR，或按照子目录 README

中提供的联系方式（如微信）沟通。

所有模型遵循 Apache 2.0 许可证，但若涉及第三方语料（如 DataBaker），请遵守

其原始授权条款及非商业使用限制。