audiotext

拖入音视频或粘贴链接，一键出文字、字幕和摘要

audiotext 是一款基于 Python 的桌面语音转文字工具，面向需要处理音视频字幕与摘要的用户。它支持导入本地音频、视频文件，也能直接处理 URL 链接、YouTube 视频以及麦克风实时录音，统一转写成文本。核心能力包括语音识别、自动翻译、内容摘要和字幕文件生成，底层依赖 ffmpeg 做音视频解码，界面用 CustomTkinter 搭建，操作门槛较低。相比纯命令行方案，它把识别、翻译、总结、字幕导出整合进一个图形界面，适合内容创作者、学生或办公场景快速把会议录音、网课、播客转成可编辑文字，再进一步生成双语字幕或要点总结。项目星标数不高，属于早期工具，功能覆盖较全但生态和稳定性仍在成长阶段。

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 353

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类语音识别

开发团队HenestrosaDev

所属国家

官网地址

GitHubhttps://github.com/HenestrosaDev/audiotext

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型audio-to-text,customtkinter,ffmpeg,python,speech-recognition,speech-to-text,speech-to-text-api,subtitles-generator,transcriber,video-to-text,whisperx

GitHub 星标★ 353

30天Star增速

HF 下载量

上线时间2023-01-31 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-06

浏览次数0

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

正在加载星标数据…

技术标签

使用教程

—

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

项目介绍

audiotext 是语音识别领域的开源项目，由 HenestrosaDev 开发，2023 年首次发布。

它收录于语音识别分类，该分类目前共有 257 个项目，GitHub 星标数为 353。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-05。开源免费，需自行部署。

它主要面向的使用场景是：把YouTube视频或播客链接转成带时间轴的字幕文件。同类可对比的替代方案包括 Buzz、whisper.cpp。

上一篇：whisper-ctranslate2

下一篇：没有了！