audiotext

拖入音视频或粘贴链接,一键出文字、字幕和摘要

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 34 🐛 待处理 1 👀 关注 12
GitHub ↗
GitHub 星标 ★ 357
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

audiotext 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HenestrosaDev
定价模式🏷️完全免费
价格说明开源免费,需自行部署
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★ 357
上线时间2023-01-31 00:00:00
代码更新2026-11-03
仓库体积101.8 MB
本站数据更新2026-11-21
维护状态较活跃
收录时间2026-10-06
浏览次数3

项目介绍

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。

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。

难度:入门 约 25 分钟 部署方式:桌面安装包 4 步

环境要求

  • ffmpeg
  • 8G 内存以上
  • 可选 GPU 加速

安装与启动步骤

  1. 1装应用

    按系统下安装包,Windows 与 macOS 都有

  2. 2补 ffmpeg

    多数转写失败都是缺 ffmpeg 或不在 PATH

    brew install ffmpeg
  3. 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. 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

上一篇:whisper-ctranslate2

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

★ 480 2026-11-10
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···

★ 352 2026-08-09
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

★ 2194 2026-08-10
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···

★ 150 2026-09-23
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

★ 241 2026-09-24
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···

★ 63 2026-08-09
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,···

★ 105 2026-11-20
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···

★ 361 2026-08-09
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···

★ 65 2026-08-09