你的私人语音助手，永远不联网：OpenWhispr——真正隐私优先的跨平台语音转文字工具

你是否厌倦了每次开口说话，都要担心录音被上传到云端、被分析、被训练？是否受够了商业语音输入工具动辄订阅收费、限制时长、绑定账号？OpenWhispr 正是为此而生：一款完全开源、100% 可离线运行、支持 macOS/Windows/Linux 的语音转文字应用，它把“你的声音只属于你”变成了可落地的技术现实。无需注册、不收集数据、不埋点追踪，按下一个快捷键，就能将实时语音精准转为文字，还能直接调用本地 Whisper 或 NVIDIA Parakeet 模型完成整套处理——音频从不离开你的电脑。

核心功能

全局语音听写（零延迟粘贴）：在任意软件中（Word、Notion、VS Code、微信聊天框……）按下自定义热键（默认 Ctrl+Alt+D），即可开始说话，说完自动将识别文本“粘贴”到当前光标位置——无需切换窗口、无需复制粘贴，真正实现“说即所得”，大幅提升文字录入效率。
实时语音翻译听写：用中文口述，一键输出英文笔记；用日语开会，实时生成中文会议纪要。OpenWhispr 支持多语言语音输入 + 目标语言文本输出，翻译结果直接插入光标处，适合跨国协作、外语学习与涉外文档处理场景。
免唤醒词 AI 语音助手：长按热键（如 Ctrl+Alt+A）说出指令：“总结刚才的会议要点”“把这段代码改成 TypeScript 并加注释”“搜索我上周写的关于 WebAssembly 的笔记”——语音直连 GPT-4o、Claude-3.5、Gemini 2.0、Groq LPU 或本地 Ollama 模型，全程无唤醒词、无二次确认，且支持自动截图作为上下文（可选），让 AI 真正“看见你正在看什么”。
智能会议自动转录与发言人分离：自动检测 Zoom、Microsoft Teams、FaceTime 等主流会议软件启动，开启后实时录制并分离不同说话人（speaker diarization），为每位参会者生成独立发言段落，并支持导出带时间戳的 SRT 字幕或 Markdown 格式纪要，告别手动记“张三说…李四补充…”的繁琐。
本地化语音指纹与声纹识别（Apple Silicon/macOS 专属）：基于 ONNX Runtime 实现本地声纹建模，在多人会议中更准确区分相似音色；还可为常用联系人建立语音档案，后续自动标注“王总监发言”“客户林女士提问”，大幅提升纪要可读性与检索效率（注：Intel Mac 因 ONNX 官方停止 x86_64 支持，暂不启用此功能，但基础转录完全正常）。
BYOK（Bring Your Own Key）云模型接入：不绑定任何厂商账户——你只需填入自己的 OpenAI / Anthropic / Google API Key，即可调用对应云端大模型能力；所有密钥均加密存储于本地，网络请求由客户端直发，中间不经过 OpenWhispr 服务器，彻底规避密钥泄露风险。
浮动 AI 响应面板 + 智能粘贴策略：当焦点不在可编辑区域（如浏览器地址栏、系统设置页）时，AI 回复不会强行插入破坏界面，而是弹出半透明浮动面板，支持流式显示、一键复制、或拖拽插入任意位置，兼顾安全性与操作自由度。
全端语义搜索笔记库：所有语音转写的笔记、会议记录、AI 生成内容均自动索引，支持自然语言查询（如“找上个月讨论数据库迁移的会议”），即使未标记关键词也能命中，背后是本地运行的轻量语义搜索引擎（Intel Mac 因技术限制降级为关键词匹配，仍保持可用）。

技术亮点

双模语音引擎架构：核心采用“本地优先”设计，内置 Whisper.cpp（C++ 加速版 Whisper）与 NVIDIA Parakeet（专为低延迟优化的开源 STT 模型）双后端，支持 CPU/GPU（CUDA/Metal）加速；用户可按需切换——敏感内容走本地，追求速度选云端，切换毫秒级生效，无需重启应用。
真正的端到端隐私闭环：所有音频预处理（VAD 语音活动检测）、特征提取、模型推理、文本后处理（标点恢复、大小写修正）均在本地完成；README 明确声明“no telemetry, no data collection, fully open source”，MIT 协议保障代码可审计，连崩溃日志都默认禁用。
跨平台原生桌面体验：基于 Tauri（Rust + WebView2）构建，体积比 Electron 小 70%，内存占用更低，启动更快；同时完美适配 Apple Silicon（ARM64）、Windows x64/ARM64、Linux 多发行版（提供 .AppImage/.deb/.rpm/.tar.gz 四种安装包），非简单打包，而是针对各平台特性深度优化（如 macOS 的菜单栏常驻、Windows 的系统托盘集成、Linux 的 D-Bus 通知支持）。
AI Agent 协议抽象层：通过统一的 Adapter 接口对接 OpenAI、Anthropic、Google、Groq、OpenRouter 等十余家 API，甚至支持本地 Ollama、LM Studio 模型；用户更换模型只需改配置，无需重写逻辑，为未来接入更多国产大模型（如 Qwen、GLM）预留标准扩展路径。

适合哪些人用

OpenWhispr 不是给极客玩的概念玩具，而是为真实工作流设计的生产力工具。特别适合以下三类用户：

远程办公的知识工作者：产品经理每日参加 5 场跨时区会议，用 OpenWhispr 自动录制 Teams 通话、分离发言人、生成带结论的 Markdown 纪要，会后 2 分钟同步至 Notion，再也不用边听边敲“待办：跟进 API 文档”。
注重隐私的开发者与研究人员：在调试涉及客户数据的内部系统时，用本地 Whisper 模型实时听写终端命令、错误日志分析思路，全程离线，杜绝敏感信息意外上传；配合浮动面板，AI 代码建议直接流式显示，不污染当前 IDE 编辑器。
多语言内容创作者：播客主用中文口播草稿，一键转英文逐字稿供海外剪辑；教师录制双语微课，OpenWhispr 同步生成中英字幕 SRT 文件，导入 Premiere 即可发布。

快速上手

安装极其简单：访问 GitHub Releases 页面，根据你的系统下载对应安装包（macOS 用户推荐 .dmg，Windows 选 .exe，Linux 用户任选 .AppImage 或包管理器格式）。安装后首次启动会引导下载默认 Whisper 模型（约 280MB，可选 tiny/base/small 等尺寸），全程离线完成。关键设置建议：

在 Settings → Hotkeys 中自定义 Dictation（默认 Ctrl+Alt+D）和 Assistant（默认 Ctrl+Alt+A）热键，避免与常用软件冲突；
在 Settings → Speech-to-Text 中选择 “Whisper.cpp (local)” 并勾选 “Use GPU acceleration”（NVIDIA/AMD 显卡用户）；
如需调用云端模型，在 Settings → AI Agents → Add Provider 中填入你的 API Key，选择模型（如 gpt-4o、claude-3-5-sonnet-20240620），保存后即可使用。

同类对比 / 注意事项

相比 WisprFlow（闭源、需订阅）、Granola（已停止维护）、Otter.ai（免费版限 300 分钟/月、云端处理），OpenWhispr 的核心差异在于：开源可验证 + 本地模型第一 + 零商业依赖。它不靠卖存储空间或高级功能盈利，而是靠社区共建——这也是其 Star 数半年突破 6790 的根本原因。

使用注意事项：

Intel Mac 用户无法使用声纹识别与语义搜索（技术限制，非缺陷），但所有核心转录、翻译、AI 助理功能完全可用；
首次运行需下载模型，国内用户若遇到 GitHub 下载慢，可在 Settings 中粘贴镜像链接（社区已提供清华源地址）；
本地 Whisper 模型对麦克风质量较敏感，建议使用降噪耳机（如 AirPods Pro）以获得最佳识别率，实测安静环境下 small 模型中文准确率超 95%。