Muesli-HQ/muesli

解决的问题

Muesli 是一款专为 macOS 设计的原生应用，旨在提供注重隐私、默认本地运行的语音转文字功能。它解决了在不依赖云服务的情况下，无缝将文本输入到任意应用程序，并对会议进行带说话人识别的语音转录的需求。

如何工作

该应用利用 Apple Silicon 的 Neural Engine、CoreML 和 Metal，在设备上本地运行多种 ASR（自动语音识别）模型。它使用 CoreAudio 和 ScreenCaptureKit 捕获麦克风和系统音频（用于会议）。在会议转录中，使用 VAD（语音活动检测）在自然语音边界处分割音频，并使用基于 CoreML 的说话人分离模型识别不同说话人。

适用人群

需要高性能、私密的语音输入和会议转录工具，且能与系统深度集成（如 Google Calendar、Apple Shortcuts）并完全离线运行的 macOS 用户。

主要亮点

• 本地优先 ASR：支持多种本地模型，包括 Parakeet、Nemotron、Whisper 和 Gemma 4，延迟低至 0.13 秒。
• 会议智能：具备自动说话人分离、基于摄像头的会议检测，以及与 Google Calendar 集成以实现自动转录触发。
• 加入并转录：从日历事件中提取会议 URL，自动启动会议并同时开始转录。
• 面向代理的 CLI：内置 CLI（muesli-cli），允许代码代理通过 JSON 程序化转录音频文件并管理会议笔记。
• 隐私优先：音频默认保留在设备上，支持可选的 BYOK（Bring Your Own Key）集成，用于 OpenAI 或 OpenRouter 进行高级清理和摘要。
• 系统集成：深度集成 Apple Shortcuts、Siri 和 iCloud，实现 Mac 与 iPhone 之间的文本同步。