HiMeditator/auto-caption

它解决了什么问题

Auto Caption 提供了一个跨平台的解决方案，可以从系统音频输出或麦克风输入中生成实时字幕，使用户能够看到音频流的实时转录和翻译。

它如何工作

该软件由图形用户界面和模块化的字幕引擎组成。它从系统捕获音频，并通过所选的语音转文本（STT）引擎进行处理。在翻译方面，它可以与本地的 LLM 通过 Ollama 集成，或使用基于云的 OpenAI 兼容 API，或 Google Translate API。该引擎可以作为 GUI 应用程序的一部分运行，也可以通过终端作为独立可执行文件运行。

适合谁使用

适用于需要实时可访问性、翻译或转录系统音频或麦克风输入的 Windows、macOS 和 Linux 用户。

主要特点

• 灵活的引擎选项：支持基于云的模型（Alibaba Gummy、GLM-ASR）和本地模型（Vosk、SOSV/SenseVoice）。
• 多种翻译路径：可与本地 Ollama 模型（推荐参数量小于 1B）集成，OpenAI 兼容 API，以及 Google Translate。
• 可自定义显示：提供丰富的字体、颜色和背景样式选项。
• 数据导出：允许用户以 .srt 和 .json 格式查看和导出字幕记录。
• 可扩展性：用户可以使用 Python 开发自己的字幕引擎。