Vibe：本地离线音视频转写工具

项目简介

Vibe 是一款跨平台的桌面转写应用，主打「Transcribe on your own」——音频和视频的转写全部在自己的设备上完成，完全离线运行，数据不会离开本机。适用于 macOS、Windows、Linux。

下载页面：https://thewh1teagle.github.io/vibe/

主要功能

• 多语言转写：支持几乎所有的语言，并可把任意语言翻译为英文。
• 音视频与来源：可转写本地音频、视频文件，也能从 YouTube、Vimeo、Facebook、Twitter 等网站获取音频进行转写，还支持系统音频和麦克风输入。
• 批量处理：一次转写多个文件，并提供实时预览。
• 多种导出格式：支持 SRT、VTT、TXT、HTML、PDF、JSON、DOCX，也可直接打印转写结果。
• 模型支持：支持 Whisper、Nemotron 3.5、Parakeet TDT v3 模型，可在设置中自定义模型，高级用户还能设置模型参数。
• 总结与本地 AI：通过 Claude API 生成多语言摘要，或使用 Ollama 进行本地 AI 分析和批量摘要。
• 说话人分离：区分不同说话人。
• 稳定时间戳模式：基于 VAD，适合字幕或影视级时间轴，速度较慢。
• 手机录音：扫描二维码后可用手机录音（iOS / Android，无需安装应用），电脑负责转写并把文字回传。
• 自定义模型链接：通过 vibe://download/?url=<model url> 从自己的站点集成模型。
• 字幕长度预设：可为视频 / 短视频选择更合适的字幕长度。
• GPU 加速：针对 macOS、Windows、Linux 优化，支持 Nvidia / AMD / Intel GPU（Vulkan / CoreML）。
• CLI 与 HTTP API：可在命令行使用（见 --help），并提供带 Swagger 文档的 HTTP API。
• 自动更新。

安装与使用

从官网下载对应平台的安装包：https://thewh1teagle.github.io/vibe/

安装后打开应用，选择音频 / 视频文件（或输入音视频来源），选择模型与语言，即可开始转写并导出所需格式。命令行用法可通过 --help 查看。

注意事项

• 转写为本地离线处理，首次使用可能需要下载模型文件。
• 「稳定时间戳模式」基于 VAD，时间轴更精确但速度更慢，适合字幕和影片场景。
• 隐私处理方式见 隐私政策。
• 项目采用 MIT 许可证。

本作品整理自 GitHub 开源项目 thewh1teagle/vibe，原作者 @thewh1teagle，许可证 MIT。中文介绍由 AI 根据项目 README 整理，以原仓库为准。