AudioNotes

上传音视频,自动生成结构化 Markdown 笔记

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 语音识别 🍴 复刻 374 🐛 待处理 9 👀 关注 20
GitHub ↗
GitHub 星标 ★ 2557
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

AudioNotes 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类语音识别
开发团队harry0703
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai,asr,funasr,ollama,python,qwen2,whisper
GitHub 星标★ 2557
上线时间2024-07-19 00:00:00
代码更新2026-08-19
仓库体积814 KB
本站数据更新2026-11-10
维护状态维护中
收录时间2026-08-10
浏览次数7

项目介绍

AudioNotes 是一个基于 Python 的语音转文字笔记工具,旨在快速从音视频文件中提取内容并整理成结构化的 Markdown 笔记。它解决了手动听写和整理会议、讲座、采访等音视频内容耗时费力的问题。核心能力包括:调用 FunASR 或 Whisper 等 ASR 模型进行高精度语音识别,结合 Ollama 本地大模型(如 Qwen2)对转录文本进行智能总结、提炼要点、生成结构化笔记。用户只需提供音视频文件路径,即可自动完成转录、清洗、总结和 Markdown 输出,支持自定义模型和参数,适合本地部署,保护隐私。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 2557

技术标签

使用教程

难度:入门 约 20 分钟 部署方式:Docker 7 步

环境要求

  • Docker Desktop(已安装并启动)
  • Ollama(已安装并启动)
  • Docker Desktop 建议分配至少 12GB 内存,处理长音视频推荐 16GB,并预留约 10GB 磁盘空间
  • 源码方式需准备 Python 3.12 和 ffmpeg
  • 首次安装需联网下载应用镜像和模型,处理个人内容时不依赖云端 AI 服务

安装与启动步骤

  1. 1安装并启动依赖

    先安装并启动 Docker Desktop 与 Ollama,并给 Docker 分配足够内存和磁盘空间。

  2. 2拉取本地大模型

    用 Ollama 拉取 qwen3.5:2b,后续的笔记整理和内容问答都在本地完成。

    ollama pull qwen3.5:2b
  3. 3下载项目配置文件

    新建 audionotes 目录,再下载 docker-compose.yml 和 .env 示例配置。

    mkdir audionotes
    cd audionotes
    curl -fsSL https://github.com/harry0703/AudioNotes/raw/main/docker-compose.yml -o docker-compose.yml
    curl -fsSL https://github.com/harry0703/AudioNotes/raw/main/.env.example -o .env
  4. 4启动 AudioNotes

    在含 docker-compose.yml 的目录下后台启动容器,首次会拉取应用镜像,请耐心等待。

    docker compose up -d --remove-orphans
  5. 5打开页面登录

    浏览器访问地址,默认账号和密码均为 admin,登录后上传音视频或使用浏览器录音。

  6. 6源码方式准备

    可选方案:克隆代码、建虚拟环境、装依赖、复制 .env,并拉取本地模型。

    git clone https://github.com/harry0703/AudioNotes.git
    cd AudioNotes
    python3.12 -m venv .venv
    source .venv/bin/activate
    python -m pip install -r requirements.txt
    cp .env.example .env
    ollama pull qwen3.5:2b
  7. 7源码方式运行

    确认 Ollama 已启动后运行 Chainlit 服务,端口同样是 15433。

    python -m chainlit run main.py --host 127.0.0.1 --port 15433

如何确认成功

浏览器访问 http://localhost:15433/,用 admin / admin 能成功登录并看到上传页面,即表示启动成功。

常见问题

Q:首次使用为什么很慢?

A:首次识别会自动下载约 2.15GB 的语音模型,等待时间取决于网络速度;模型下载完成后保存在本机,后续无需重复下载。

Q:默认登录账号密码是什么?

A:默认账号和密码均为 admin,登录后可上传音视频或直接使用浏览器录音。

Q:需要联网才能用吗?

A:首次安装需要联网下载应用镜像和模型,之后音视频识别与笔记整理都在本机完成,不依赖云端 AI 服务。

Q:内存不够导致处理失败怎么办?

A:建议给 Docker Desktop 分配至少 12GB 内存,处理较长音视频时推荐 16GB,并预留约 10GB 磁盘空间。

Q:源码方式如何退出环境?

A:在源码目录下执行 deactivate 即可退出 Python 虚拟环境。

注意事项

  • Web 页面默认只允许本机访问,不对局域网或互联网开放。
  • 音视频、文字稿、笔记和对话历史都保存在本机,请在受信任的电脑上使用并保护本机账户与磁盘数据。
  • 需要安装或配置数据库,AudioNotes 会自动创建本地数据文件。
  • 源码启动必须确认 Ollama 已启动,否则大模型相关功能不可用。

核心亮点

  • 支持 FunASR 和 Whisper 双引擎,识别精度高且可切换
  • 集成 Ollama 本地大模型,自动总结要点,无需联网
  • 输出标准 Markdown,方便后续编辑和知识管理

不足之处

  • 依赖本地 GPU 资源,CPU 环境下转录速度较慢
  • 文档和社区支持尚待完善,新手配置可能有一定门槛

适用场景

  • 会议录音快速转写并生成纪要
  • 网课或讲座视频提炼核心知识点
  • 采访或播客内容整理为结构化文稿

替代项目

WhisperX、Faster-Whisper、Vosk

上一篇:Recorder

下一篇:transcribe.cpp

同类项目推荐

transcribe 开源

实时转录+AI回复,模拟外语对话练口语

Transcribe is a real time transcription, conversation, Language learning platform. I···

★ 269 2026-08-09
whisper_android 开源

在安卓手机上离线运行 Whisper,实现即时语音转文字

Offline Speech Recognition with OpenAI Whisper and TensorFlow Lite for Android

★ 693 2026-08-09
whisper 开源

音频丢进去,多语言文字直接出来

Robust Speech Recognition via Large-Scale Weak Supervision

★ 112334 2026-09-23
WAAS 开源

上传音视频,排队自动转文字,还能调 API

Whisper as a Service (GUI and API with queuing for OpenAI Whisper)

★ 2069 2026-09-23
TensorFlowASR 开源

用 TF2 快速训练和部署端到端语音识别模型

:zap: TensorFlowASR: Almost State-of-the-art Automatic Speech Recognition in Tensorf···

★ 1018 2026-10-01
hayamimi 开源

纯CPU实时多语言字幕,本地跑不用GPU和云

早耳 - Real-time multilingual speech-to-text on CPU only. Live subtitles, browser da···

★ 459 2026-09-15
BlahST 开源

在 Linux 任意窗口离线语音输入,并和本地大模型对话。

Input text from speech in any Linux window, the lean, fast and accurate way, using w···

★ 181 2026-08-09