SenseVoice 的作用是把中、英、日、韩、粤五种语言的语音直接转成文字，同时识别说话人的情绪（喜怒哀乐）和背景的掌声、笑声、哭声等声音事件。它是阿里通义实验室开源的语音识别模型，一句话音频一次就出「文字 + 情绪 + 环境事件」。
开源模型免费，走本地 / 自托管路径，数据不出本机，CPU 就能跑。阿里云百炼的 SenseVoice 录音识别云端 API 已公告即将下线，本文只讲本地开源这条线。
下载地址
| 资源 | 说明 |
|---|---|
| 官方仓库 (GitHub) | QwenAudio/SenseVoice，模型 SenseVoiceSmall |
官网：https://github.com/QwenAudio/SenseVoice 版本：模型 SenseVoiceSmall（最新 release runtime-llamacpp-v0.2.1，2026-08-27） 体积：模型约 200MB 量级，ONNX / GGUF 量化版约 242MB 部署前提：无 GUI 安装包，走命令行 / FunASR / llama.cpp / Sherpa-onnx 部署
功能介绍
五语转写加情绪识别
一个模型同时输出中英日韩粤五语文字、说话人情绪和掌声 / 笑声等声音事件，输出可带标点。适合字幕生成、会议记录、粤语等方言转写。
CPU 本地就能跑
非自回归端到端架构，同参数量下比 Whisper-Small 快 5 倍以上、比 Whisper-Large 快 15 倍；纯 C/C++ 推理，支持树莓派、iOS、Android。
软件信息
- 软件名：SenseVoice（SenseVoiceSmall）
- 版本：模型 SenseVoiceSmall（runtime-llamacpp-v0.2.1，2026-08-27）
- 大小：模型约 200MB 量级（量化版约 242MB）
- 许可证：MIT
- 平台：开源模型，跨平台（llama.cpp / Sherpa-onnx / FunASR，支持树莓派、iOS、Android）
- 官方地址：https://github.com/QwenAudio/SenseVoice
