Gremble-io/Detto

解决的问题

Detto 是一款本地优先的 macOS 应用程序，旨在在不将音频或文本发送到云端的情况下捕获和转录语音数据。它通过提供一个完全在 Apple Silicon 硬件上运行的系统级工具，解决了云语音转录服务带来的数据锁定和隐私问题，适用于会议记录、语音备忘录和语音输入。

工作原理

Detto 使用双流音频捕获系统，将麦克风音频与系统音频（用于通话）分离，并使用设备端 AI 模型处理这些数据。它在 Apple Neural Engine 上使用 Parakeet-TDT v3 模型进行自动语音识别（ASR），并在 GPU 上通过 MLX 使用 Llama 3.2 3B 模型对文本进行优化，以修正标点和大小写。输出以带有 YAML 前置元数据的纯 Markdown 文件形式保存，与 Obsidian 等知识库兼容。

适用人群

主要面向维护“第二大脑”或个人知识管理系统（如 Obsidian）的顾问、研究人员和专业人士，他们需要高隐私、离线的语音转录和语音输入工具，并能直接集成到其基于文件的工作流中。

主要特性

• 本地优先架构：无需账户、无需服务器，音频不会保存到磁盘。
• 基于通道的说话人分离：在通话中区分用户（"You"）和他人（"Them"）。
• Vault 原生输出：转录结果以带结构化 YAML 元数据的 .md 文件形式保存。
• 客户简报功能：扫描本地 Markdown 文件，提供会前背景信息，并将客户数据嵌入转录内容。
• 系统级语音输入：通过快捷键驱动，可直接将转录文本注入任何活跃的应用程序。
• 会议应用检测：根据当前活动的应用程序（如 Zoom、Teams、Slack）自动为转录内容打标签。
• 多语言支持：ASR 可自动检测 25 种欧洲语言。