下面给出一份「2024-09 至今」仍活跃、**纯 Go 语音（speech）**方向的深度学习/AI 开源库清单，并做横向对比。 重点考察 3 个维度： 1. 是否「Go 源码级」可用（而非仅 Go 调用 Python/C++） 2. 是否内置预训练权重或端到端 demo 3. 是否支持GPU/CUDA或边缘侧交叉编译 项目 场景 核心算法/模型 预训练权重 Go 原生程度 硬件加速 活跃情况* sherpa-onnx [^76^] ASR/TTS/声纹/语种 Transformer/CTC/Transducer 全家桶 ✅ 官方 200+ 模型 纯 Go 绑定 ONNX Runtime ✅ ONNX-GPU 周 commit vosk-api-go [^86^] 离线 ASR Kaldi TDNN/FST ✅ 中文/英文 多语种 Go 封装 C++，需 libvosk.so ❌ CPU only 月 commit go-astideepspeech [^79^] 英文 ASR Mozilla DeepSpeech RNN ✅ en-US 0.9.3 模型 Go 绑定 deepspeech.so ❌ CPU only 2024 后基本停更 whisper.cpp+go-bind 多语种 ASR OpenAI Whisper encoder/decoder 自行下载 ggml 权重 Go 绑定 whisper.cpp ✅ OpenCL/Metal/CUDA 社区维护 Eino [^77^][^87^] 大模型语音助手 LLM + 语音链任意组合 无语音专用权，需接外部 纯 Go 编排框架 ✅ 取决于下游模型 字节跳动持续迭代 *活跃情况以 2024-09 以后 GitHub commit 频率为参考。 ---- 深入比较 1. sherpa-onnx • 2024-09 新增 Go 1.22+ plugin 模式，可 go run 直接拉模型；同一代码在 Windows/Linux/macOS/Android/iOS 交叉编译通过。 • 支持 流式 ASR（subtitle 级延迟）（Transducer）、非流式（Paraformer-Large）、TTS（VITS）、声纹（ECAPA-TDNN）。 • 官方提供「sherpa-onnx-go」子仓库，示例一行代码加载模型： recognizer, err := sherpa.NewOfflineRecognizer("paraformer-zh-14k.onnx", config) • GPU 路径：ONNX Runtime 官方 CUDA ExecutionProvider，sherpa-onnx 0.10 之后自动检测，无需写 CUDA 代码。 • 社区：每周合并 PR，2025-08 刚发 v1.10，新增 SenseVoice 多语种+情绪识别模型 。 2. vosk-api-go • 底层仍是 Kaldi，权重体积 50 MB-300 MB，适合嵌入式。 • Go 层仅做 cgo 封装，交叉编译需携带 libvosk.so，边缘侧容器镜像体积 > 80 MB。 • 不支持流式 Transformer，长音频识别延迟高；优势是 中文小模型准确率优于 Whisper-tiny。 3. go-astideepspeech • 仅英文，模型 2019 年后不再更新，WER 落后 Whisper 约 30 %。 • 依赖 libdeepspeech.so，2024-09 以后仓库无提交，已处于 archived 状态 。 4. whisper.cpp + go-bind • 非官方，但社区 star 数高；通过 cgo 调用 whisper.cpp 的 ggml 后端。 • 支持 OpenCL/Metal/CUDA 后端，Apple M 系列可用 GPU。 • 缺陷：Go 层只提供「整段推理」，流式需要额外分段逻辑；无官方预训练权重托管，需手动下载。 5. Eino • 不是语音专用框架，而是「LLM 应用编排引擎」；语音能力来自接入的外部模型（Whisper API、Sherpa-RPC）。 • 优势：纯 Go 写 pipeline，ChatModel/Tool/Retriever 等组件可插拔，适合快速搭「语音输入 → LLM → 语音输出」助手。 • 缺点：本身不带权重，语音质量取决于下游服务；GPU 加速也取决于下游模型实现 。 ---- 结论（2025-09 现况） • 若你要「纯 Go 源码级 + 预训练权重 + GPU」三样全占，目前唯一优选是 sherpa-onnx； • 边缘侧超小镜像（<30 MB）可接受英文-only，选 vosk-api-go； • 需要 Whisper 系列多语种且愿意自己管理 ggml 权重，用 whisper.cpp+go-bind； • 只想快速搭大模型语音助手，语音部分直接调 API，则用 Eino 做编排即可。