跑通 OpenWhispr 语音听写：三步完成本地语音转文字，音频全程不出电脑

【免费下载链接】openwhisprVoice-to-text dictation app with local (Nvidia Parakeet/Whisper) and cloud models (BYOK). Privacy-first and available cross-platform.项目地址: https://gitcode.com/GitHub_Trending/op/openwhispr

你每天花在打字上的时间，可能只有说话的五分之一。OpenWhispr 是一款开源的语音转文字听写工具：在任意输入框按下全局热键、开口说话，文字就会自动清理、加好标点，落到光标位置，全程不需要唤醒词。它既可以完全离线地在本机跑 Whisper、Nvidia Parakeet 等语音转文字模型，也可以接入你自己带过来的云端 API 密钥（BYOK），路线由你自己选。

第一次启动：装好 OpenWhispr 并完成第一段听写

按操作系统挑对应的安装包即可，全部在官方 Release 页面下载：

macOS 和 x86_64 Linux 的用户还可以走社区维护的 Homebrew cask：brew install --cask openwhispr。

如果你是开发者，想直接从源码跑，需要 Node.js 24+ 环境：

git clone https://gitcode.com/GitHub_Trending/op/openwhispr cd openwhispr npm install npm run dev

首次启动时应用会带一段引导流程，重点完成两件事：授予麦克风权限、确认听写热键。默认热键在 macOS 上是 GLOBE 键，在 Windows/Linux 上是Control+Super；如果系统注册失败，会自动降级尝试F8、F9、Control+Shift+Space，不用你手动处理。

验证是否跑通：把光标停在任意文本框（备忘录、浏览器输入框都行），按下听写热键，说一句"测试一下语音转文字"，松开后文字应自动出现在光标处。做到了这一步，剩下的都是按需配置。

两条转写路线：本地私密与云端高速，怎么选怎么配

🎯 先做选择，再动手改设置：

• 音频绝对不能离开的场景（法律、医疗、公司内部文档）→ 走本地模型，音频全程不出设备；
• 设备性能有限、要转写大文件或追求极致速度→ 走云端，用你自己的 API 密钥计费，不经过任何第三方中转。

配置本地路线只需要五步：打开控制面板（右键托盘图标或点击悬浮层）→设置→语音转文字处理→ 勾选Use Local Whisper→ 选一个模型 →保存。首次转写时模型会自动下载。

模型怎么选，不看参数表，按你的设备定：

• 老机器、只是想先试试：tiny（75MB，约 1GB 内存），速度最快；
• 日常默认：base（142MB，约 1GB 内存），官方推荐，速度和质量的平衡点；
• 较长听写、准确率要求更高：small（466MB，约 2GB 内存）；
• 既要快又要准：turbo（1.6GB，约 6GB 内存）；
• 内存充裕、质量优先：medium（1.5GB，约 5GB）或large（3GB，约 10GB）。

其余的脏活应用都包了：whisper.cpp 二进制随应用捆绑，FFmpeg 也随应用分发，模型缓存在~/.cache/openwhispr/whisper-models/。GPU 加速方面，Apple Silicon 的 Metal 加速开箱即用；NVIDIA 显卡走 CUDA（Linux 只需装好驱动，不需要 CUDA Toolkit）；AMD/Intel 显卡走 Vulkan。任何一个 GPU 后端失败都会自动落到下一层，最后退回 CPU——听写本身不会中断。更多细节见 LOCAL_WHISPER_SETUP.md。

不只是听写：语音助手、会议转录与笔记三个高频场景

全局听写解决"把话说出来变成文字"，另外两条路线解决"让 AI 帮你处理"和"把会议变成文字"。

语音助手：免唤醒词，一句话下指令

按语音助手热键说话，你说的话会被直接作为指令发给 AI 模型——GPT-5、Claude、Gemini、Groq、Tinfoil、OpenRouter 或本地模型都可以。它没有单独的窗口，也不需要唤醒词：

• 光标停在可写入的输入框时，回答直接粘贴进去；没有可用光标时，回答进入悬浮面板并复制进剪贴板；
• 先选中一段文字再按热键，AI 会就地进行编辑而不是另起一段；
• 可选把当前屏幕截图作为上下文一起发给模型。

顺带一提，你在应用里问"某个功能在哪设置"时，助手会去查官方文档并给出来源，这套机制的边界与隐私约束写在 docs/product-help.md。

会议转录：自动发现通话，本地区分说话人

OpenWhispr 会监测 Zoom、Teams、FaceTime 进程，通话一开始就自动记录，并做实时说话人区分（speaker diarization）与语音指纹识别——这两项都可在设备本地完成，无需上传云端。配合 Google、Microsoft 或 Apple 日历接入后，会议内容能对上日程。注意两点：macOS 需要先授予屏幕录制权限并重启应用；自动检测失败时，可以从那个置顶的会议提示卡片手动开始录音。另外 Intel 版 macOS 不支持实时说话人识别和语音指纹，会议照常转录，只是笔记语义搜索会退回关键词匹配。

听写翻译与笔记

• 听写翻译有独立热键：用一种语言说，粘贴出来是另一种语言；
• 笔记支持文件夹组织、语义搜索、云端同步和 AI 辅助操作；登录账号后团队空间免费可用，笔记可以按链接、域名或仅受邀可见的方式共享。

让粘出来的文字"像人写的"：清理、词典与热键微调

转录结果好不好用，一半取决于配置：

1. 语言设置：确保输入语言选对，"auto" 检测在跨语言混说时容易跑偏；
2. 词典与自学习：专有名词（人名、产品名、内部术语）加进自定义词典，并开启自动学习开关；团队场景可用共享词典，成员之间同步生效；
3. 本地模型常驻：默认空闲 5 分钟会卸载本地语言模型，开启设置 → 语言模型 → Keep model loaded可以避免下一次重新加载，代价是内存/显存持续占用——它不会让生成变快，只是省掉重载时间；
4. 热键按手感重绑：设置 → 热键下共有四个槽位——听写、语音助手、翻译听写、会议转录，互不冲突即可，避免和系统或其他全局快捷键撞车；
5. 环境因素：安静环境 + 语速适中，是提升识别率成本最低的两个办法。

出了问题怎么修：按症状直接对照

更完整的诊断命令（架构检查、whisper/ffmpeg 自检）和调试模式开关，见 TROUBLESHOOTING.md 与 DEBUG.md。

下一步就一件事

打开设置 → 语音转文字处理，勾选 Use Local Whisper、选定base模型保存，然后把光标停在任意输入框按下听写热键。当下一句你说的话以文字形式落在屏幕上、且全程没有网络请求时，这套私有语音转文字就正式跑通了——接下来再按场景逐条开启语音助手、会议转录和翻译热键即可。

【免费下载链接】openwhisprVoice-to-text dictation app with local (Nvidia Parakeet/Whisper) and cloud models (BYOK). Privacy-first and available cross-platform.项目地址: https://gitcode.com/GitHub_Trending/op/openwhispr