sherpa-demo

仓库内 sherpa-onnx + 预置 models 的最小可运行 demo 集合（纯 Rust 实现）。每个程序对应一个模型/场景， 方便：

1. 验证 sherpa-onnx 与各模型在本机能跑通；
2. 给 sherpa-asr-server/ 与 sherpa-tts-server/ 这类服务化封装排查问题时做最小复现；
3. 后续做对照实验（识别准确率、TTS 音质、VAD 切分边界等）。

依赖

• Windows x64 / Linux x64
• Rust 工具链（Rust 2021 edition，cargo 1.98+）
• 仓库内已下载的预编译 SDK ../sherpa-onnx/win_x64/ 或 ../sherpa-onnx/linux_x64/
• 仓库内已下载的模型 ../models/：
  • sherpa-onnx-sense-voice/：离线 ASR (SenseVoice)
  • sherpa-onnx-streaming-zipformer-zh/：流式 ASR (zipformer)
  • vits-zh-aishell3/：TTS (VITS)
  • silero-vad/：VAD (Silero VAD v4)

构建

Windows (PowerShell 7)：

pwsh .\build.ps1

Linux：

bash ./build.sh

Cargo 构建遵循 Rust 官方默认约定（中间产物与缓存输出至 target/，支持安全的 cargo clean），最终自包含交付包装配至 dist/win_x64/ 或 dist/linux_x64/（5 个 demo 可执行文件与运行时动态链接库 DLL / SO）。

运行

工作目录建议为 dist\win_x64\（Linux 下为 dist/linux_x64/）。所有 demo 都按相对路径自动定位 models 根，也可以手动传参覆盖。

1. 离线 ASR (SenseVoice)

.\demo_offline_asr.exe
# 自定义 models 根与目标 wav/目录
.\demo_offline_asr.exe ..\..\..\models D:\path\to\target.wav

输出：对 models/sherpa-onnx-sense-voice/test_wavs/ 下每个 wav 打印识别文本、检测语种、解码耗时、RTF 对齐表格。

2. 流式 ASR (streaming zipformer)

.\demo_online_asr.exe
# 默认输入：models/sherpa-onnx-sense-voice/test_wavs/zh.wav
.\demo_online_asr.exe ..\..\..\models D:\some\other.wav

输出：以 0.1s 切片喂入识别器，文本变化时打印一行 partial，结尾打印 FINAL 与总耗时。

3. TTS (vits-zh-aishell3)

.\demo_tts.exe                                  # 默认中文测试句
.\demo_tts.exe "今天天气真不错"                  # 自定义文本
.\demo_tts.exe "文本" ..\..\..\models 0          # 自定义 models 根 + speaker_id

输出：当前目录下的 tts-out.wav，以及采样率/时长/RTF。

4. VAD (silero)

.\demo_vad.exe

输出：对 zh_vad.wav 检测出的每段语音 [start_ms - end_ms] 与时长。

5. VAD + 离线 ASR 联合

.\demo_vad_asr.exe

输出：先用 silero_vad 切段，再把每段送 SenseVoice，按段打印 [start_ms - end_ms] (lang) | 文本。

命令行参数约定

demo	参数 1	参数 2	参数 3
demo_offline_asr	models 根（可选）	目标 wav 或 wav 目录（可选）	—
demo_online_asr	models 根（可选）	输入 wav（可选）	—
demo_tts	文本（可选）	models 根（可选）	speaker_id（可选）
demo_vad	models 根（可选）	输入 wav（可选）	—
demo_vad_asr	models 根（可选）	输入 wav（可选）	—

故障排查

• 启动时弹"找不到 onnxruntime.dll" 或动态库加载失败：检查 dist\win_x64\（或 dist/linux_x64/）下是否有必需的运行时动态库。build.ps1 / build.sh 已配置自动复制。

• Failed to create OfflineRecognizer / OnlineRecognizer / OfflineTts：通常是模型路径不对，或者 onnxruntime 加载该模型失败。看上面打印的绝对路径，再确认 onnx-platform/models/ 对应模型文件是否完整。

• 中文乱码：终端需要 UTF-8。PowerShell 可执行：

  chcp 65001
  $OutputEncoding = [System.Text.UTF8Encoding]::new()

• RTF 偏高（>1）：单线程 CPU 推理在小机器上正常，可在各 demo 源码 num_threads = 1 处改为 2 或 4 后重新构建。

不包含

• 麦克风实时输入。所有 demo 都从 wav 文件读，便于结果可重复。