
audiotext
拖入音视频或粘贴链接,一键出文字、字幕和摘要
项目预览
项目数据
项目介绍
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 2026-10-06 · 当前星标 ★ 357
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- ffmpeg
- 8G 内存以上
- 可选 GPU 加速
安装与启动步骤
-
1装应用
按系统下安装包,Windows 与 macOS 都有
-
2补 ffmpeg
多数转写失败都是缺 ffmpeg 或不在 PATH
brew install ffmpeg -
3转写一个本地文件
先用十分钟内的音频,看时间轴对不对
-
4开翻译与字幕
把结果导出 SRT,检查断句
如何确认成功
本地音频转写完成并导出一份时间轴正确的 SRT 字幕。
注意事项
- 这是桌面应用,转写默认在本机跑,不上传音频。
- 支持的输入包括本地文件、直链、YouTube 与麦克风,后两者受网络与地区限制。
- 转写 + 翻译 + 摘要串起来很吃内存,长音频建议先切段。
- 模型可换,小模型快但专有名词错得多,按内容类型选。
核心亮点
- 同时支持本地文件、URL、YouTube 和麦克风录音多种输入源
- 把转写、翻译、摘要、字幕生成整合在一个桌面 GUI 里,无需拼装多个工具
- 基于 ffmpeg 和 Python 生态,跨平台可用,安装后即可离线处理本地文件
不足之处
- 项目星标较少,社区规模和长期维护活跃度有待观察
- 语音识别依赖外部 API 或模型,识别质量与费用受所选后端影响
适用场景
- 把 YouTube 视频或播客链接转成带时间轴的字幕文件
- 将会议或课堂录音转写为文字并自动生成摘要
- 为本地视频批量生成双语字幕用于二次剪辑或发布
替代项目
Buzz、whisper.cpp
下一篇:oido
同类项目推荐
VAD-python
开源
从音频里自动切出人声段,省算力少误识别
Voice Activity Detector in Python
WhisperHallu
开源
预处理音频,让 Whisper 转录不再胡说八道
Experimental code: sound file preprocessing to optimize Whisper transcriptions witho···
transcribe.cpp
开源
本地跑 16 种语音识别模型,离线转文字又快又省
ggml speech-to-text inference for 16+ model families
subarr
开源
给 *arr 字幕栈加语言校准和源排行榜,少下错字幕
The coordination, measurement, and quality layer that subgen never had. A peer servi···
mod_audio_stream
开源
让 FreeSWITCH 通话音频实时对接 WebSocket 语音 AI 服务
FreeSWITCH module to stream audio to websocket and receive response
mimiuchi
开源
在 VR 里动嘴就能打字,语音秒变文字发给任意应用
a free, customizable, osc capable speech-to-text interface for relaying text to diff···
steam-frame-full-keyboard
开源
给 VR 头显补上全尺寸键盘和语音输入
Steam Frame keyboard: full-size replacement for the built-in VR keyboard. Ctrl, Alt,···
LiveWhisper
开源
让 Whisper 实时出字,终端语音输入即说即显
A nearly-live implementation of OpenAI's Whisper, using sounddevice. Requires existi···
myG2P
开源
把缅甸语文字变音素,让语音识别和合成更准。
Myanmar (Burmese) Language Grapheme to Phoneme (myG2P) Conversion Dictionary for spe···