homelab-00/TranscriptionSuite

解决的问题

TranscriptionSuite 是一款免费开源的应用程序，允许用户在自己的计算机上本地将语音转换为文本。无需将音频数据发送到云服务，确保隐私和安全，同时提供带有说话人标签的准确转录。

工作原理

该项目由两个主要组件组成：使用 Electron 构建的桌面仪表板和 Python 后端的转录服务器。服务器可通过 Metal/MLX 在 Apple Silicon 上原生运行，或在 Windows 和 Linux 上通过 Docker 容器运行。支持多种语音转文本后端，包括 Whisper、NVIDIA NeMo、VibeVoice-ASR、SenseVoice 和 whisper.cpp，并支持 NVIDIA CUDA、Apple Metal 和 AMD/Intel Vulkan 的硬件加速。

适用人群

适用于任何需要私有本地转录的用户，例如记录讲座的学生、撰写文档的职场人士，或希望使用集成 AI 助手管理可搜索音频笔记的用户。

主要亮点

• 100% 本地化 & 隐私保护：音频和转录内容从不离开本地设备。
• 说话人分离：使用 PyAnnote、CAM++、Sortformer 或内置模型功能自动标注“谁说了什么”。
• 多后端支持：兼容多种模型（Whisper、NeMo、SenseVoice 等）和硬件（NVIDIA、Apple Silicon、AMD/Intel）。
• 实时模式：支持连续语音输入的实时逐句转录。
• 音频笔记本：带全文搜索功能的日历视图存储系统，以及兼容 OpenAI 兼容提供者的 AI 助手。
• 广泛兼容性：通过 Whisper 支持 90 多种语言，通过 Canary v2 实现欧洲语言的双向翻译。