thewh1teagle/vibe

Vibe – 离线、多语言音频与视频转录工具

功能简介
Vibe 是一款桌面应用程序，让您无需将任何数据发送到云端，即可将音频或视频文件中的语音转换为文字。它可在 macOS、Windows 和 Linux 上本地运行，并支持多种来源格式（YouTube 链接、本地文件、麦克风、系统音频、手机录音等）。转录后的文字可导出为 SRT、VTT、TXT、HTML、PDF、JSON 或 DOCX，应用程序还提供可选的摘要、翻译和说话人识别功能。

主要能力

• 离线优先：使用本地运行的模型（Whisper, Nemotron 3.5, Parakeet TDT v3），确保数据不会离开设备。
• 多语言：支持底层模型所涵盖的“几乎所有语言”。
• 多种输入来源：文件、YouTube/Vimeo/Facebook/Twitter 链接、麦克风、系统音频、通过 QR code 传输的手机录音。
• 导出与后处理：导出为字幕格式（SRT/VTT）或文档格式、直接打印、通过 Claude API 或本地 Ollama 生成摘要、翻译成英文，以及执行说话人识别。
• 性能：在 macOS、Windows 和 Linux 上支持 GPU 加速（Vulkan, CoreML, Nvidia/AMD/Intel）。
• 扩展性：自定义模型 URL、CLI 界面、带有 Swagger 文档说明且可配置模型参数的 HTTP API。

适用对象

• 需要隐私保护转录的用户（记者、研究人员、开发人员）。
• 需要为视频制作字幕或逐字稿的内容创作者。
• 偏好图形化界面，同时希望拥有命令行或 API 钩子以进行自动化的用户。

如何开始

1. 从 README 中链接的 GitHub 页面下载应用程序。
2. 若需要硬件加速，请安装任何必要的 GPU 运行环境（Vulkan, CoreML 等）。
3. 打开 UI，添加文件或粘贴视频链接，选择模型，然后点击 Transcribe。
4. 使用侧边面板预览、编辑、导出，或将结果发送至 Claude/Ollama 进行摘要。
5. 若要进行脚本编写，请调用 vibe CLI 并加上 --help 以查看可用指令。

更多信息

• 构建说明：docs/BUILDING.md
• API 参考：由内置 HTTP 服务器提供的 Swagger UI。
• 社区聊天：README 中的 Discord 链接。
• GitHub 上的路线图与问题追踪。

总结 Vibe 将多种最先进的语音转文字模型整合到一个用户友好且完全离线的桌面应用程序中，在确保数据保留在用户电脑上的同时，增加了实用的后处理工具。