【免费下载链接】stenoaiStenographAI is the secure privacy-first AI notepad notetaker for confidential conversations in government defence sectors. On Windows, Linux MacOS.项目地址https://gitcode.com/gh_mirrors/st/stenoai点击查看免费下载StenoAI 是一款隐私优先的 AI 录音笔记应用Steno其核心亮点之一是实时转写录音过程中文字随语音实时浮现并且能自动用[You]和[Others]标签区分你说的话和对方说的话。整个过程完全在本地设备完成音频不上传任何服务器。本文将通俗讲解这一实时转写与说话人区分功能背后的工作原理。什么是实时转写边说边出字的体验大多数录音转写工具要等你停止录音后才开始处理而 StenoAI 做到了边说边出字点击New note开始录音屏幕上几乎同时出现你正在说的文字文字以气泡形式分段显示正在形成的句子是中间结果partial说完后固化为最终文本final你的话和对方的话分列两侧一眼就能看出谁在说什么。比如一场 Zoom 会议中你说的话来自麦克风被标记为[You]远端同事的声音来自系统音频被标记为[Others]。为什么能边说边出字本地流式处理管线实时转写的核心是一条本地流式音频处理管线主要由三个环节组成1. 语音活动检测VAD判断什么时候在说话StenoAI 使用 Silero VAD 模型仅约 1.2 MB 的小模型持续监听音频流每 32 毫秒分析一小段音频判断是否有人在说话说话开始和结束的时刻被精确捕获避免把咳嗽声、门响当成语音额外保留约 512 毫秒的预滚缓冲确保每个句子的第一个字不会被切掉。2. Parakeet 语音识别模型把声音变成文字StenoAI 默认使用Parakeet引擎进行语音识别这也是实时转写的前提模型完全加载在你的设备上Apple Silicon 上 15 秒音频约需 150–250 毫秒解码说话过程中每400 毫秒对最近几秒的音频重新识别一次生成更新中的 partial 文本——这就是你在屏幕上看到的文字逐渐长出来的效果一句说完或达到 30 秒上限后该段被批量重新识别并固化为 final 文本保证最终稿稳定准确。3. 防掉速保护弱机也能跟上在性能较弱的机器上如无风扇的 M1 Air如果一次解码耗时超过 400 毫秒程序会自动拉长 partial 的更新间隔通过滑动平均测量解码耗时宁可让中间结果显示慢一点也绝不让录音数据积压丢失——最终转写稿始终完整。相关逻辑见 simple_recorder.py 中的_LiveVadPipeline。[You]/[Others] 标签双声道是区分的根源[You]/[Others]的区分不靠猜而是靠音频通道的物理隔离录音时StenoAI 同时捕获麦克风你的声音和系统音频你耳机/扬声器里听到的对方声音保存为立体声两声道每个声道各自运行一套独立的 VAD 和识别管线谁的声音出现在哪个通道就归到哪个说话人麦克风通道标记为[You]系统音频通道标记为[Others]。因此标签天然可靠——它是声音从哪个通道进来的物理事实而不是事后对混音音频的猜测。相关文档见 docs/features/speaker-labels.mdx。 前提需要在录音选项中开启Record system audiomacOS 首次需在系统设置中授权屏幕与系统音频录制指南见 docs/features/recording.mdx。关闭系统音频时录音只有一声道就只有一个[You]标签。不止两个标签每个通道还能分出 4 个声音在 macOS 上StenoAI 更进一步每个声道内还能用声学模型diarization说话人分离区分最多 4 个不同的声音麦克风侧你的主声音保持[You]其他人依次为Speaker 2、Speaker 3……系统音频侧主声音保持[Others]其余远端参与者按序编号。这意味着线下多人围着你一台电脑开会或远端有好几位同事轮流发言时转录稿都能把不同人分开。分离模型由独立的 Swift 边车程序 diarize-sidecar/ 运行支持 Sortformer4 说话人等引擎。实时界面的小细节双栏渲染你可能注意到实时转录界面很流畅、已完成的内容不会闪烁。这背后是前端的一个双栏设计见 useLiveTranscript.ts已完成栏finals按时间排好的定稿句子只在有新定稿时更新进行中栏partials最多两行每个说话人一行每 400 毫秒刷新一次。更新 partial 时不会触碰已完成的行所以整篇转录不会因为高频刷新而卡顿。界面组件为 LiveTranscriptBar.tsx。使用限制与注意事项实时转写需要 Parakeet 引擎在设置中切换到 Whisper 引擎后转写会在停止录音后进行没有实时效果[You]/[Others]标签在所有平台可用但每个通道内区分多个具体说话人Speaker 2/3目前仅支持 macOS每个声道最多区分4 个声音超过的会被合并两人抢话、背景噪音或通道串音可能影响分离质量实时视图是会议期间的便捷展示停止录音后固化的转录稿才是最终记录你的 AI 笔记基于它生成。如何开始使用实时转写安装并启动 Steno首次使用时授权麦克风可选授权系统音频确认Settings → Transcribe中引擎为 ParakeetmacOS 默认点New note开始录音实时转录即自动出现在界面上无需任何额外开关。更多细节可查阅官方文档 docs/features/live-transcription.mdx 与 docs/features/speaker-labels.mdx。总结一下StenoAI 的实时转写 Silero VAD 找说话边界 Parakeet 本地高速解码 400ms 节流刷新而[You]/[Others]的区分 麦克风与系统音频双声道物理隔离。技术全部在本地完成这正是它适合处理敏感会议的原因。赞分享【免费下载链接】stenoaiStenographAI is the secure privacy-first AI notepad notetaker for confidential conversations in government defence sectors. On Windows, Linux MacOS.项目地址https://gitcode.com/gh_mirrors/st/stenoai点击查看免费下载相关推荐pyvideotrans 内置 MOSS-Transcribe-Diarize 0.9B端到端多说话人转写、说话人分离与时间戳对齐实战指南pyvideotrans 内置 MOSS Transcribe Diarize 0.9B端到端多说话人转写、说话人分离与时间戳对齐实战指南 MOSS Tran音视频AI 应用语音本地部署SGLang-Omni 中的 MOSS-Transcribe-Diarize ASR 推理优化从 90 分钟多说话人音频到接近实时的转写与说话人标注SGLang Omni 中的 MOSS Transcribe Diarize ASR 推理优化从 90 分钟多说话人音频到接近实时的转写与说话人标注 本篇技术文档教程人工智能大模型RLHF会议记录自动化faster-whisper实时转录与多说话人区分方案会议记录自动化faster whisper实时转录与多说话人区分方案 痛点直击传统会议记录的四大困境 你是否还在忍受这些会议记录痛点手动记录导致遗漏关键信人工智能语音音频本地部署创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考