sherpa-asr-offline-server

基于 sherpa-onnx 与 Zipformer Transducer / SenseVoice 等多语种语音模型的本地化、高性能离线 ASR 独立 HTTP 服务。

• 默认模型：sherpa-onnx-zipformer-multi-zh-hans-2023-9-2（高精度多方言中文/普通话离线识别）。
• 模型支持：
  • sherpa-onnx-zipformer-multi-zh-hans-2023-9-2：Zipformer Transducer 中文多方言离线识别模型
  • sherpa-onnx-zipformer-zh-en-2023-11-22：Zipformer Transducer 中英双语离线识别模型
  • sherpa-onnx-sense-voice：SenseVoice 多语种（中/英/粤/日/韩）大模型，内置 ITN、语种/情绪识别与声音事件检测
  • sherpa-onnx-paraformer-zh：Paraformer 离线识别模型

---

目录结构

onnx-platform/sherpa-asr-offline-server/
├── CMakeLists.txt              # CMake 构建文件
├── build.ps1                   # Windows x64 一键构建与安装
├── build.sh                    # Linux x64 构建脚本
├── config.json                 # 服务配置文件
├── README.md                   # 本手册
├── request-asr.js              # Node.js 测试请求脚本
└── src/                        # C++17 源码目录
    ├── main.cpp                # 入口函数
    ├── config.h / .cpp         # 配置管理与多模型解析
    ├── logging.h / .cpp        # 日志输出
    ├── types.h                 # 数据类型定义
    ├── text_utils.h / .cpp     # SenseVoice 标签解析与纯文本过滤
    ├── audio_decoder.h / .cpp  # WAV/PCM/FFmpeg 音频解析
    ├── offline_asr_service.h / .cpp # 离线识别引擎与并发池
    ├── http_protocol.h / .cpp  # HTTP 协议解析
    └── http_server.h / .cpp    # 多线程非阻塞 Socket 服务端

---

构建与安装

Windows (MSVC x64)

在 onnx-platform/sherpa-asr-offline-server/ 下运行：

.\build.ps1

构建成功后，可执行文件与运行时依赖动态库将自动安装至 target/win_x64/。

Linux (x64)

chmod +x ./build.sh
./build.sh

构建成功后，安装至 target/linux_x64/。

---

运行服务

进入安装目录运行服务：

cd onnx-platform\sherpa-asr-offline-server\target\win_x64
.\sherpa_asr_offline_server.exe

默认监听端口为 10095。

---

HTTP 接口说明

1. 健康检查

• 请求：GET /health 或 GET /healthz
• 返回示例：

  {
    "code": 0,
    "msg": "ok",
    "data": {
      "status": "ok",
      "service": "sherpa-asr-offline-server",
      "activeModel": "sherpa-onnx-zipformer-multi-zh-hans-2023-9-2",
      "provider": "cpu",
      "sampleRate": 16000,
      "uptimeSeconds": 36,
      "totalRequests": 5
    }
  }

2. 离线识别接口

• 请求：POST /asr 或 POST /recognize
• 支持内容类型：
  1. multipart/form-data（推荐）：
     • file 或 audio：音频文件二进制（支持 .wav、.mp3 等）
     • language（可选）：语种代码，默认 auto（SenseVoice 模型支持 zh、en、yue、ja、ko）
     • use_itn（可选）：是否启用逆文本归一化，默认 true
     • hotwords（可选）：热词列表
  2. application/json：
     • audioBase64：音频文件 base64 字符串
     • audioPath：本地音频绝对路径
     • language、useItn、hotwords
  3. audio/wav / application/octet-stream：直接发送音频原始二进制流，参数通过 URL Query 传递（如 POST /asr?language=zh&use_itn=true）。
• 返回示例：

  {
    "code": 0,
    "msg": "ok",
    "data": {
      "cleanText": "甚至出现交易几乎停滞的情况。",
      "text": "甚至出现交易几乎停滞的情况。",
      "lang": "",
      "emotion": "",
      "event": "",
      "durationMs": 3120,
      "processTimeMs": 68.5,
      "rtf": 0.022,
      "timestamps": [0.12, 0.35, 0.58],
      "tokens": ["甚至", "出现", "交易", "几乎", "停滞", "的", "情况"]
    }
  }

3. OpenAI 兼容音频转录接口

• 请求：POST /v1/audio/transcriptions
• 格式：multipart/form-data（包含 file 参数）
• 返回示例：

  {
    "text": "甚至出现交易几乎停滞的情况。"
  }

---

验证与调用示例

通过自带 Node.js / Bun 脚本测试：

node request-asr.js

指定音频文件与服务地址：

node request-asr.js ../models/sherpa-onnx-zipformer-multi-zh-hans-2023-9-2/test_wavs/0.wav http://127.0.0.1:10095