WhisperLiveKit：开箱即用的本地语音转写工具

WhisperLiveKit 是一款集实时语音转文本、翻译和说话人分离于一体的开源工具，自带服务器端和 Web UI，一条命令即可私有化部署。它基于最新的增量流式技术，无需联网、也无需写前端代码，就能实现超低延迟的会议实时记录与跨语言交流，适合对隐私与延迟都有要求的场景。

核心能力

• 实时转写：增量流式识别，低延迟输出字幕/文本。
• 翻译：转写同时可做跨语言翻译（如英译中）。
• 说话人分离：区分不同发言者，便于会议记录归属。
• 私有化：本地运行、不联网，数据不出本机。
• 开箱即用：内置服务端 + Web UI，免前端开发。

示例

# 使用 large-v3 模型，并将英语翻译为中文
whisperlivekit-server --model large-v3 --language en --target-language zh

# 说话人分离，服务器监听 80 端口
whisperlivekit-server --host 0.0.0.0 --port 80 --model medium --diarization --language zh

适用场景

• 会议实时字幕与记录，尤其多语言沟通。
• 对语音数据隐私敏感、需本地部署的团队。
• 访谈、课堂等需要说话人区分的转写。

上手与二开建议

1. 一条命令起服务端，浏览器打开 Web UI 即可使用。
2. 按机器算力选模型（large-v3 精度高、medium 更轻）。
3. 二开：围绕模型、翻译目标与 diarization 扩展；协议将由系统从 GitHub 自动同步。

注意事项

• 上手难度中等：依赖本地模型与算力，大模型对显存/内存要求较高。
• 翻译与分离效果受模型与音频质量影响，重要纪录请人工核对。