Muesli-HQ/muesli

解決的問題

Muesli 是一款專為 macOS 設計的原生應用程式，旨在提供注重隱私、預設本地運作的語音轉文字功能。它解決了在不依賴雲端服務的情況下，無縫將文字輸入至任何應用程式，並對會議進行帶說話人識別的語音轉錄的需求。

如何運作

該應用利用 Apple Silicon 的 Neural Engine、CoreML 和 Metal，在裝置上本地執行多種 ASR（自動語音辨識）模型。它使用 CoreAudio 和 ScreenCaptureKit 捕獲麥克風與系統音訊（用於會議）。在會議轉錄中，使用 VAD（語音活動偵測）在自然語音邊界處分割音訊，並使用基於 CoreML 的說話人分離模型識別不同說話人。

適用對象

需要高效率、私密的語音輸入與會議轉錄工具，且能與系統深度整合（如 Google Calendar、Apple Shortcuts）並完全離線運行的 macOS 使用者。

主要亮點

• 本地優先 ASR：支援多種本地模型，包括 Parakeet、Nemotron、Whisper 和 Gemma 4，延遲低至 0.13 秒。
• 會議智慧：具備自動說話人分離、基於攝影機的會議偵測，以及與 Google Calendar 整合以實現自動轉錄觸發。
• 加入並轉錄：從日曆事件中提取會議 URL，自動啟動會議並同時開始轉錄。
• 面向代理的 CLI：內建 CLI（muesli-cli），允許程式代理透過 JSON 程式化轉錄音訊檔案並管理會議筆記。
• 隱私優先：音訊預設保留在裝置上，支援可選的 BYOK（Bring Your Own Key）整合，用於 OpenAI 或 OpenRouter 進行高階清理與摘要。
• 系統整合：深度整合 Apple Shortcuts、Siri 和 iCloud，實現 Mac 與 iPhone 之間的文本同步。