一、为什么选择 Vosk？—— 离线场景的最优解
在语音识别领域，常见的方案有百度 AI、讯飞等在线 API，以及 Whisper、Vosk 等离线工具。而 Vosk 的核心优势的在于：
完全离线：无需网络即可运行，适合嵌入式设备（树莓派）、内网环境等场景；
轻量高效：模型体积小（最小仅几十 MB），支持实时流处理，延迟低；
多语言支持：内置中文、英文、日语等 40 + 语言模型，无需额外训练；
易集成：提供 Python、Java、C++ 等多语言 SDK，API 简洁，5 行代码即可实现基础功能；
开源免费：无调用次数限制，商业项目可直接使用。
如果你需要开发离线语音转文字功能，Vosk 绝对是比 Whisper 更轻量化的选择（Whisper 基础模型需数百 MB，且依赖 PyTorch）。
二、环境搭建：3 步快速部署

1. 安装依赖库
   Vosk 的 Python SDK 支持 Python 3.6+，直接通过 pip 安装：
   pip install vosk # 核心库
   pip install pyaudio # 音频输入（麦克风录音用）
   pip install wave # 音频文件处理（可选，用于解析WAV文件）

⚠️ 避坑提醒：Windows 系统安装 pyaudio 失败时，先下载对应 Python 版本的 whl 文件（https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio），再执行 pip install 文件名.whl；
Linux 系统需先安装依赖：sudo apt-get install portaudio19-dev python3-pyaudio。

2. 下载语言模型
   Vosk 的识别效果依赖预训练模型，需根据需求下载对应模型（推荐中文用户选择以下两个）：
   模型名称
   体积
   适用场景
   下载地址
   vosk-model-small-cn-0.22
   40MB
   轻量场景、嵌入式设备
   下载链接
   vosk-model-cn-0.22
   1.1GB
   高精度场景、桌面应用
   下载链接

下载后解压，记住模型文件夹路径（如 D:\models\vosk-model-small-cn-0.22），后续代码中需配置。
3. 验证环境
创建测试文件 test_env.py，运行以下代码检测依赖是否正常：
import vosk
import pyaudio

print(“Vosk版本：”, vosk.version)
print(“PyAudio是否可用：”, pyaudio.PyAudio() is not None)

无报错则说明环境搭建成功！
三、实战案例 1：麦克风实时语音转文字
实现实时录音并识别，适合语音助手、实时字幕等场景。
完整代码
import vosk
import pyaudio
import json

1. 配置模型路径（替换为你的模型文件夹路径）

MODEL_PATH = r"D:\models\vosk-model-small-cn-0.22"

2. 初始化模型

model = vosk.Model(MODEL_PATH)

3. 配置音频参数（需与模型要求一致）

FORMAT = pyaudio.paInt16 # 16位采样
CHANNELS = 1 # 单声道
RATE = 16000 # 采样率（Vosk模型默认16000Hz）
CHUNK = 4096 # 缓冲区大小

def realtime_asr():
# 初始化音频流
p = pyaudio.PyAudio()
stream = p.open(
format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK
)
print(“🎤 开始录音，按 Ctrl+C 停止…”)

try:
    while True:
        # 读取音频数据
        data = stream.read(CHUNK)
        # 语音识别（返回JSON字符串）
        result = model.Recognize(data)
        # 解析结果
        if result:
            text = json.loads(result)["text"]
            if text:  # 过滤空结果
                print(f"识别结果：{text}")
except KeyboardInterrupt:
    print("\n🛑 录音停止")
finally:
    # 释放资源
    stream.stop_stream()
    stream.close()
    p.terminate()

if name == “main”:
realtime_asr()

运行效果
🎤 开始录音，按 Ctrl+C 停止…
识别结果：你好 Vosk 语音识别
识别结果：今天天气不错
识别结果：Python 实战教程
🛑 录音停止

四、实战案例 2：解析本地 WAV 文件
如果需要识别已保存的音频文件（仅支持 WAV 格式），可使用以下代码：
完整代码
import vosk
import wave
import json

MODEL_PATH = r"D:\models\vosk-model-small-cn-0.22"
WAV_FILE_PATH = r"D:\test_audio.wav" # 你的WAV文件路径

def wav_asr():
# 验证WAV文件参数
wf = wave.open(WAV_FILE_PATH, “rb”)
if wf.getnchannels() != CHANNELS or wf.getsampwidth() != 2 or wf.getframerate() != RATE:
print(“❌ WAV文件参数错误！需满足：单声道、16位、16000Hz”)
return

# 初始化模型和识别器
model = vosk.Model(MODEL_PATH)
rec = vosk.KaldiRecognizer(model, wf.getframerate())
rec.SetWords(True)  # 启用词级识别（可选）

print("📤 正在识别音频文件...")
full_text = ""

# 逐帧读取音频并识别
while True:
    data = wf.readframes(4096)
    if len(data) == 0:
        break
    if rec.AcceptWaveform(data):
        # 解析完整句子
        result = json.loads(rec.Result())
        full_text += result["text"] + " "

# 识别最后一段音频
final_result = json.loads(rec.FinalResult())
full_text += final_result["text"]

print(f"\n完整识别结果：{full_text.strip()}")
wf.close()

if name == “main”:
wav_asr()

⚠️ 注意：本地 WAV 文件必须满足：单声道、16 位采样、16000Hz 采样率，否则会识别失败；
可使用格式工厂等工具将 MP3、MP4 等格式转换为符合要求的 WAV 文件。

五、进阶优化：提升识别准确率
选择合适的模型：追求精度优先用 vosk-model-cn-0.22（1.1GB），嵌入式设备用 small 版本；
优化音频输入：
减少环境噪音（使用麦克风时远离声源干扰）；
确保说话人距离麦克风 30-50cm，避免大声喊叫或小声低语；
启用语言模型扩展：Vosk 支持加载自定义词汇表（.txt 文件），适合专业领域（如技术术语、行业名词），配置方式：

自定义词汇表（vocab.txt 中每行一个词汇）

rec = vosk.KaldiRecognizer(model, RATE)
rec.SetGrammarFile(“vocab.txt”)

处理连续语音：通过 rec.AcceptWaveform() 累积音频数据，识别完整句子后再输出，避免逐帧输出的碎片化结果。
六、常见问题排查
模型加载失败：检查模型路径是否正确，文件夹是否包含 model.bin 等核心文件；
识别结果为空：音频参数（采样率、声道数）与模型不匹配，或环境噪音过大；
Pyaudio 导入失败：参考 “环境搭建” 部分的避坑提醒，手动安装对应版本的 whl 文件；
识别速度慢：降低 CHUNK 缓冲区大小（如 2048），或使用 small 版本模型。
七、总结与扩展
Vosk 作为轻量级离线语音识别工具，在 Python 中集成难度低、运行效率高，适合快速落地语音转文字功能。除了本文的基础场景，还可扩展到：
语音控制程序（如通过语音指令执行 Python 脚本）；
批量处理音频文件（如会议录音转文字）；
嵌入式设备开发（如树莓派 + 麦克风实现离线语音助手）。
如果需要进一步提升准确率，可结合 NLP 工具（如 jieba 分词、同义词替换）优化识别结果；若需支持更多音频格式（MP3、MP4），可搭配 ffmpeg 先转码为 WAV 再识别。
欢迎 Star！有问题可在评论区留言交流～