homelab-00/TranscriptionSuite

解決的問題

TranscriptionSuite 是一款免費開源的應用程式，允許使用者在自己的電腦上本地將語音轉換為文字。無需將音訊資料傳送至雲端服務，確保隱私與安全，同時提供帶有說話人標籤的精確轉錄。

運作方式

此專案由兩個主要元件組成：使用 Electron 建構的桌面儀表板與 Python 後端的轉錄伺服器。伺服器可透過 Metal/MLX 在 Apple Silicon 上原生執行，或在 Windows 與 Linux 上透過 Docker 容器執行。支援多種語音轉文字後端，包括 Whisper、NVIDIA NeMo、VibeVoice-ASR、SenseVoice 與 whisper.cpp，並支援 NVIDIA CUDA、Apple Metal 與 AMD/Intel Vulkan 的硬體加速。

適用對象

適用於任何需要私密、本地轉錄的使用者，例如錄製講義的學生、口述文件的專業人士，或希望使用整合式 AI 助手管理可搜尋音訊筆記的使用者。

主要特色

• 100% 本地化 & 隱私保護：音訊與轉錄內容從不離開本機。
• 說話人分離：使用 PyAnnote、CAM++、Sortformer 或內建模型功能自動標示「誰說了什麼」。
• 多後端支援：相容多種模型（Whisper、NeMo、SenseVoice 等）與硬體（NVIDIA、Apple Silicon、AMD/Intel）。
• 即時模式：支援連續口述的即時、逐句轉錄。
• 音訊筆記本：具備全文搜尋功能的日曆檢視儲存系統，以及相容 OpenAI 兼容提供者的 AI 助手。
• 廣泛相容性：透過 Whisper 支援 90 多種語言，透過 Canary v2 實現歐洲語言的雙向翻譯。