macOS 本地音频转写工具。支持 FunASR + cam++、VibeVoice MLX 和 Qwen3-ASR 三引擎，自动说话人分离，LLM 摘要生成，转写历史管理。所有处理均在本地完成，不上传音频到第三方服务。
本项目的核心转写能力来自以下开源项目，感谢它们的作者和社区：
| 项目 | 说明 | 链接 |
|---|---|---|
| FunASR | 通义语音团队出品的端到端语音识别工具包，本项目使用的 paraformer-zh 中文 ASR 模型来自这里 |
GitHub |
| cam++ | FunASR 生态下的说话人验证/区分模型，用于自动识别不同说话人 | GitHub |
| VibeVoice | 基于 Apple Silicon MLX 框架的语音识别模型，提供本地高效转写能力 | GitHub |
| Qwen3-ASR | 阿里通义千问团队发布的语音识别模型，支持多语言转写和说话人区分，Apple Silicon MLX 原生加速 | ModelScope |
| mlx-audio | Apple MLX 生态下的音频处理库，用于加载和运行 MLX 格式的语音模型 | GitHub |
| huggingface_hub | Hugging Face 模型下载与缓存管理 | GitHub |
stt asr speech-to-text audio-transcription funasr mlx cam++ speaker-diarization macos swiftui python offline local meeting-notes chinese
启动后进入设置页面，选择引擎并预热环境：
┌──────────────────────────────────────────┐
│ │
│ 🎧 VoiceScribe │
│ 本地离线音频转写 · 支持说话人识别 │
│ │
│ ┌────────────────────────────────────┐ │
│ │ 转写引擎 │ │
│ │ ● VibeVoice MLX ○ FunASR + cam++│ │
│ └────────────────────────────────────┘ │
│ ┌────────────────────────────────────┐ │
│ │ 环境预热 [预热] │ │
│ │ ✓ ffmpeg ✓ python ✓ mlx-audio ⚠ │ │
│ │ 性能档位: [低] [中] [高] │ │
│ └────────────────────────────────────┘ │
│ │
│ [跳过，直接使用] [开始使用 →] │
└──────────────────────────────────────────┘
- 三引擎：
FunASR + cam++（稳定中文转写 + 说话人区分）、VibeVoice MLX（Apple Silicon 加速）、Qwen3-ASR（中文方言之王，8/4-bit 量化）。 - 拖拽或选择音频文件，支持 m4a、mp3、wav、mp4、mov、aac、flac。
- 非 WAV 格式自动通过 ffmpeg 转为 16kHz 单声道 WAV 再转写。
- 转写结果输出：原始 JSON、通话记录 Markdown、整理版文本、说话人映射 JSON。
- 多角色场景自动分配
角色A / 角色B / 角色C，支持在界面中重命名。 - 支持中途停止转写。
- 转写前内存预检，不足时自动降级性能档位。
- 音频播放器，支持播放速度调节和波形可视化。
- 用户自行添加 LLM 模型，支持多个模型并切换选择。
- 接口形态：OpenAI Compatible、OpenAI Responses、Anthropic Messages。
- 支持自定义摘要提示词，只影响摘要生成，不影响转写。
- 基于整理版文本生成摘要，输出为
_摘要.md。 - AI 洞察面板：会议纪要、行动项、宣发文案三个维度。
- 启动后进入设置页面，先选引擎再预热，不阻塞 App 启动。
- 自动检测 ffmpeg、Python、转写引擎依赖和模型缓存。
- 自动选择已安装引擎依赖的 Python 解释器，支持手动指定。
- 缺少依赖时可从界面安装，MLX 路线会自动创建独立虚拟环境。
- 预热后根据 CPU 核心数和内存自动推荐性能档位（低 / 中 / 高）。
- 档位选择持久化，下次启动自动恢复。
- 转写完成后自动记录到历史。
- 标签页切换查看历史记录，支持搜索。
- 展开查看输出文件列表，可单独打开文件或打开输出目录。
- 最多保留 200 条记录。
- 前端：SwiftUI + AppKit，macOS 13.0+，Swift 5.9
- 后端：Python 3 脚本，通过
Process子进程调用 - 转写引擎：FunASR（paraformer-zh + cam++）/ VibeVoice MLX（mlx-audio）
- 项目管理：XcodeGen（project.yml）
VoiceScribe/
├── VoiceScribe.xcodeproj/ # Xcode 工程（XcodeGen 生成）
├── Sources/
│ └── App/
│ ├── AudioTranscriberApp.swift # App 入口
│ ├── ContentView.swift # 主视图（三栏布局 + 标签页路由）
│ ├── SetupView.swift # 首次设置/预热页面
│ ├── EnvironmentChecker.swift # 环境检测、性能推荐、内存预检
│ ├── Transcriber.swift # 转写进程管理 + 音频播放
│ ├── SettingsManager.swift # 用户设置持久化（引擎/模型/LLM/HF Token）
│ ├── TranscriptionHistoryEntry.swift # 历史记录模型
│ ├── Color+Hex.swift # 颜色扩展
│ └── Components/
│ ├── StatusCard.swift # 环境状态卡片 + 性能档位选择器
│ ├── FileDropZone.swift # 文件拖拽区
│ ├── SettingsPanel.swift # 设置面板（引擎/Python/LLM/摘要提示）
│ ├── LogView.swift # 日志输出
│ ├── ButtonStyles.swift # 按钮样式
│ ├── FolderPicker.swift # 目录选择器
│ ├── FolderPickerSheet.swift # 目录选择 Sheet
│ ├── SidebarView.swift # 侧边导航栏（环境状态/系统监控）
│ ├── WaveformVisualizer.swift # 波形可视化组件
│ ├── AIInsightsPanel.swift # AI 洞察面板（纪要/行动项/宣发）
│ ├── HistoryView.swift # 转写历史列表
│ └── BatchQueueView.swift # 批量转写队列
├── Scripts/
│ ├── transcribe.py # 三引擎转写脚本（FunASR/MLX/Qwen3）
│ └── summarize.py # LLM 摘要脚本
├── Resources/
│ ├── Info.plist
│ └── Assets.xcassets/ # App 图标
├── Tools/
│ └── package_macos_app.sh # DMG 打包脚本
├── project.yml # XcodeGen 配置
├── SPEC.md # 项目规格
└── CHANGELOG.md # 变更日志
- macOS 13.0 或更高版本
- Xcode 15 或更高版本（源码构建）
- Python 3 环境（推荐 Conda/Anaconda）
ffmpeg
# FunASR 路线
pip install -U funasr modelscope openai
# VibeVoice MLX 路线（Apple Silicon）
pip install -U mlx-audio huggingface_hub openai
# Qwen3-ASR 路线（Apple Silicon）
pip install -U mlx-qwen3-asr huggingface_hub openai pyannote.audio如果本机有多套 Python，优先在 App 内选择安装了对应引擎依赖的解释器。
# Debug
xcodebuild \
-project VoiceScribe.xcodeproj \
-scheme VoiceScribe \
-configuration Debug \
-derivedDataPath ./build/DerivedData \
CODE_SIGNING_ALLOWED=NO \
build
# Release
xcodebuild \
-project VoiceScribe.xcodeproj \
-scheme VoiceScribe \
-configuration Release \
-derivedDataPath ./build/DerivedData \
CODE_SIGNING_ALLOWED=NO \
build# 方式一：脚本
./Tools/package_macos_app.sh
# 方式二：手动
rm -rf dist
mkdir -p dist
cp -R build/DerivedData/Build/Products/Release/VoiceScribe.app dist/VoiceScribe.app
ditto -c -k --sequesterRsrc --keepParent dist/VoiceScribe.app dist/VoiceScribe-macOS-test.zip产物：dist/VoiceScribe.app
未做正式签名和 notarization。测试时 macOS 拦截可右键选择"打开"。
- 启动 App，进入设置页面。
- 选择转写引擎（VibeVoice MLX 或 FunASR）。
- 点击「预热环境」，等待依赖检测完成。
- 如缺少依赖，按提示安装。
- 预热完成后选择性能档位，点击「开始使用」。
- 拖入音频文件或点击选择。
- 点击「开始转写」。
- 转写完成后可重命名角色、生成摘要。
- 切换到「历史」标签页查看所有转写记录。
转写脚本会自动限制 CPU 和内存使用：
- 限制 PyTorch 线程数（
torch.set_num_threads） - 设置
OMP_NUM_THREADS、MKL_NUM_THREADS等环境变量 - 默认 batch size 60s，避免大音频导致内存峰值
- 所有音频统一转为 16kHz 单声道 WAV 再转写
性能档位对照：
| 档位 | 线程 | batch | merge |
|---|---|---|---|
| 低 | 1-2 | 60s | 10s |
| 中 | 2-4 | 90s | 12s |
| 高 | 2-6 | 120s | 15s |
本仓库只保存源码、配置和脚本，不包含：
- 原始音频、视频或转写结果
- API Key、访问令牌或账号信息
- 构建产物（
build/、dist/） - Python 虚拟环境或模型缓存
排除规则已写入 .gitignore。
本项目仅供个人使用。