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 2026-09-23 · 当前星标 ★ 590
使用教程
环境要求
- Python 环境
- 系统音频采集权限
- 模型凭据
安装与启动步骤
-
1按平台装依赖
苹果用系统采集接口，视窗用另一套，Linux 走音频服务。
-
2装 Python 依赖
转录模型在本机跑，模型文件不小。
pip install -r requirements.txt -
3配翻译与摘要
字幕翻译与摘要都靠模型，填地址与密钥。
-
4开实时转录
先只听不译，确认识别准了再开翻译。
-
5开说话人分离
多人会议才需要，单人录音开了反而慢。
如何确认成功
播放一段中英混杂的会议录音，能实时出原文与中文字幕，且两人的发言被标成不同说话人
注意事项
- 它抓的是系统输出音频，不需要额外接线。
- 说话人分离在重叠发言时准确率会掉。
- 实时翻译与摘要都要调模型，有持续开销。
- 长会要留意字幕延迟是否累积。
核心亮点
- 全流程本地推理，音频与文本不经过云端，隐私可控
- 功能覆盖实时转写、翻译、说话人辨识、会议摘要，一站式
- 支持录音档批次处理，适合会后集中整理多份录音
不足之处
- 早期项目，安装配置与模型下载对非技术用户门槛较高
- 本地运行依赖较好硬件，实时场景对 GPU/内存有要求
适用场景
- 企业内敏感会议记录，禁止上传云端
- 个人访谈或课堂录音的本地转写与摘要
- 需要区分多位讲者并生成会议纪要的批量处理
替代项目
whisper.cpp、Buzz、faster-whisper
上一篇：whisper-website
下一篇：whispering
同类项目推荐
BiBi-Keyboard
开源
说话即打字，LLM 智能润色，让语音输入更懂你
说点啥（BiBi Keyboard）:一个基于 Kotlin 的 Android 平台的 LLM 与 ASR 语音输入法键盘应···
obs-localvocal
开源
直播录屏时，本地AI实时生成字幕，保护隐私零延迟
OBS plugin for local speech recognition and captioning using AI
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)
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
auto-caption
开源
开麦即出字幕，会议直播网课实时上屏
A cross-platform real-time subtitle display software. 一个跨平台的实时字幕显示软件。
google-speech-v2
开源
逆向 Google 语音接口，免费实现语音转文字
:speech_balloon: Reverse Engineering Google's Speech To Text API (v2)
K6nele
开源
装上它，任何安卓输入框都能语音打字
An Android app that offers speech-to-text user interfaces to other apps
OctoASR
开源
几行 Python 把音频转成文字，快速搭语音识别原型
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