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 2026-09-16 · 当前星标 ★ 603
使用教程
环境要求
- 桌面系统
- 一段视频或音频
安装与启动步骤
-
1下安装包
官方在发布页给了各系统安装包，比源码构建省事。
-
2同步识别引擎
引擎单独拉一次，体积不小。
npm run engine:sync -
3导一段视频
拖进去就出字幕，先看识别准不准。
-
4调时间轴
自动切分的时间点常要手调，编辑器里能直接改。
如何确认成功
一段十分钟的中文视频能产出时间轴基本对齐的字幕，人工改几个断句即可用
注意事项
- 它把识别模型放本机跑，素材不出机器。
- 引擎与主程序版本要匹配，装错了不出字幕。
- 多人对话不会自动区分说话人。
- 长视频处理时间长，别以为卡死。
核心亮点
- Electron+Python 架构，Windows/macOS/Linux 均可运行
- 支持实时音频转写并悬浮显示，可直接用于直播推流字幕
- 技术栈清晰（TypeScript+ASR），便于二次开发和替换识别引擎
不足之处
- 早期项目，579 星规模，功能与稳定性仍在迭代
- 依赖本地 Python 与识别模型，环境配置对新手有一定门槛
适用场景
- 线上会议/网课实时字幕辅助听障或非母语听众
- 直播推流时叠加实时字幕提升可访问性
- 线下演讲或视频播放时外挂字幕条显示
替代项目
Buzz、whisper.cpp、subtitles
上一篇：vocotype-cli
下一篇：leopard
同类项目推荐
efficientspeech
开源
让语音合成在CPU上也能实时跑起来
PyTorch code implementation of EfficientSpeech - to be presented at ICASSP2023.
lingvo
开源
用 Google 的序列建模框架，快速搞定语音和翻译实验
Lingvo
deepgram-js-sdk
开源
几行代码接入 Deepgram 语音识别与合成，实时语音应用快速落地。
Official JavaScript SDK for Deepgram.
spokestack-android
开源
给安卓应用加上完整语音对话能力，唤醒、识别、理解、合成一步到位。
Extensible Android mobile voice framework: wakeword, ASR, NLU, and TTS. Easily add v···
echogarden
开源
一站式命令行语音工具箱，搞定合成、识别、翻译和分离
Cross-platform speech toolset, used from the command-line or as a Node.js library. I···
OmniDictate
开源
本地实时语音打字，隐私安全，直接输入任何应用。
Free, open-source, real-time dictation for Windows. Runs locally (no cloud!), uses A···
Speech-and-Text
开源
一键集成多引擎，轻松实现语音转文字与文字转语音
Speech to text (PocketSphinx, Iflytex API, Baidu API) and text to speech (pyttsx3) |···
vocalinux
开源
在 Linux 上说话就能打字，全程离线不联网
Free, open-source, 100% offline voice dictation for Linux. Speak and type anywhere v···
petal
开源
菜单栏一点，本地把音频转成文字
Petal is a native macOS menu bar app for fast, local-first audio transcription.