Muesli-HQ/muesli

Muesli – macOS 上的设备端语音转文字

它是什么

• 一个原生 macOS 应用，提供听写和会议录音+转录功能。它在 Apple Silicon（Apple Neural Engine）上本地运行大部分语音转文字流水线，仅当您选择加入时才回退到托管模型（OpenAI、Anthropic、OpenRouter、Ollama 等）。
• 该应用还捆绑了一个小型命令行工具（muesli-cli），因此其他程序或 AI 代理可以查询录音、转录和会议笔记。

主要功能

功能	您可以做什么
听写	按住热键（或双击）说话，文本将插入到光标位置。使用 Neural Engine 上的设备端 Parakeet 模型，延迟约 0.13 秒。
会议转录	同时录制麦克风和系统音频，获得 VAD 驱动的分块、说话人分离，并在几秒内获得完成的转录。摘要和标题可使用 OpenAI、Anthropic (Claude)、OpenRouter、ChatGPT 或本地 Ollama 模型生成。
Quill	光标位置的语音驱动重写或生成。适用于本地或托管 LLM。
Computer-Use 规划器	实验性的语音控制自动化，使用设备端 Gemma 模型执行本地操作（打开应用、输入、点击）。
实时字幕	选择 Apple Speech、Nemotron 3.5 或 Parakeet Realtime 在会议期间提供实时预览字幕。
模型管理	直接从界面下载、删除和切换许多设备端 ASR 模型（Parakeet、Whisper、SenseVoice、Bodhan、Gemma 等）。
iCloud 同步	文本、笔记和元数据在 macOS 和 iPhone 之间同步；音频永远不会离开设备。
快捷指令和 Siri	六个预制的快捷指令（开始/停止听写、开始/停止会议、获取最后听写/笔记），可从 Spotlight、Siri 或键盘触发。
用于代理的 CLI	muesli-cli 允许脚本或 LLM 代理列出录音、转录文件、获取或更新会议笔记，并输出 JSON/Markdown。
隐私优先	默认所有设备端处理；托管服务是可选的，仅流式传输音频，从不存储。

典型工作流程

1. 通过 DMG 或 Homebrew 安装（brew install --cask muesli）。
2. 首次启动时，选择默认的设备端模型（建议 Parakeet Unified）。向导检查麦克风、辅助功能和 iCloud 权限。
3. 按下配置的热键，说话，松开 – 文本出现在您输入的位置。
4. 对于会议，从界面或快捷指令开始录制；应用捕获麦克风+系统音频，进行说话人分离，并生成转录。
5. 可选：点击摘要以使用您选择的 LLM（OpenAI、Claude、Ollama 等）生成会议笔记。
6. 通过 iCloud 将笔记同步到 iPhone，或导出为 PDF/Markdown。

适用人群

• 需要快速、准确听写且不想将语音数据发送到云端的专业人士。
• 希望自动生成会议纪要同时保持录音私密的团队。
• 为 AI 代理开发可靠 macOS 语音转文字后端（通过捆绑的 CLI）的开发人员。

安装与构建

• 预构建的 DMG 或 Homebrew cask，便于安装。
• 源码可在 macOS 14.2+ 上使用 Xcode 26.6（Swift 6.3）构建。构建脚本处理设备端 VQE 运行时和应用签名。

限制

• 需要 macOS 14.2+；许多高级实时字幕模型需要 macOS 26+。
• 设备端模型体积较大（数百 MB 到数 GB），必须下载。
• “Computer Use”规划器是实验性的，仅适用于 macOS 15+ 和 Gemma 模型。

---

所有细节均直接取自仓库的 README。