Skip to main content
PromptQuorumBuilt for humans. Structured for AI.
主页/本地LLM进阶
Voice, Speech & Multimodal

TranscriptionSuite评测：支持说话人标注的免费本地语音转文字应用

·阅读约9分钟Hans Kuepper 作者 · PromptQuorum创始人 · 开放权重与开源AI发现引擎

TranscriptionSuite是一款免费的GPL-3.0语音转文字应用，在你自己的电脑上运行语音模型，并提供实时转录、说话人标注、按日历组织的音频笔记本和OpenAI兼容API。 README称，音频和转录文本不会离开你的电脑。本评测对应版本1.3.10，依据公开的官网、README和GitHub发布页撰写，并未实际测试。

关键要点

  • 评测版本：1.3.10，发布于2026年9月24日；代码仓库最近一次更新是2026年10月4日，因此不适用项目沉寂警告。
  • 许可证与价格：据README为GPL-3.0或更高版本；免费，无需账号。
  • 平台：Windows 11、Linux（x64）和macOS；除Apple silicon的Mac外，服务器运行在Docker中。
  • 亮点：Live Mode、说话人标注、音频笔记本、OpenAI兼容API、Webhook。
  • 成熟度：约775个GitHub星标，只有一位维护者，作者自称项目是“氛围编程”的产物。

📍 简单一句话

TranscriptionSuite是一款开源桌面应用，用运行在你自己电脑上的语音模型转录音频，并标出谁说了什么。

💬 简单来说

可以把它看作私密的转录工作室：录下一堂课、向任意应用口述，或导入音频文件，就能得到带说话人标注的转录文本，而不必把录音发给云服务。

选择语言:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

TranscriptionSuite是一款免费开源的桌面应用，在你自己的电脑上把语音转成文字，支持实时转录、说话人标注、可搜索的音频笔记本，并可自选语音模型。本评测梳理其官网、README和GitHub发布页记录了什么、遗漏了什么，以及它与目录中其他转录工具相比如何。

TranscriptionSuite评测：支持说话人标注的免费本地语音转文字应用

获取TranscriptionSuite

TranscriptionSuite由两部分组成：你安装的仪表盘，以及应用为你下载并管理的服务器。 文件附在最新GitHub发布页上；下面各行按由易到难排序。

平台
获取方式
macOS，Apple silicon（含服务器）TranscriptionSuite-1.3.10-arm64-mac-metal.dmg（约3-5 GB，无需Docker）
macOS，Apple silicon（仅仪表盘）TranscriptionSuite-1.3.10-arm64-mac.dmg（约200 MB，服务器在别处运行）
Windows（x64）TranscriptionSuite.Setup.1.3.10.exe，另需启用WSL 2的Docker Desktop
Linux（x64）TranscriptionSuite-1.3.10.AppImage，另需Docker或Podman
官网transcriptionsuite.app
隐私政策未找到单独的隐私政策页面；README说明了本地处理
源代码github.com/homelab-00/TranscriptionSuite

只有内置服务器的Mac版本是下载后直接打开的安装方式。在Windows和Linux上，需要先在终端层面配置Docker或Podman。macOS应用未签名，因此在你清除隔离标记或选择“仍要打开”之前会被系统拦截；还必须安装FFmpeg。README列出了Intel版Mac构建，但1.3.10发布页只有Apple silicon的磁盘映像。

TranscriptionSuite概览

属性
TranscriptionSuite
平台Windows、macOS、Linux
价格免费
许可证GPL-3.0或更高版本
运行位置本地；模型在首次使用时下载
语言Whisper支持90多种；其他模型较少
实时转录支持（Live Mode，仅限Whisper系列模型）
说话人标注录音和导入时支持；Live Mode下不支持
仅用CPU即可运行可以；NeMo模型不可用
本地API服务器有，OpenAI兼容的转录接口

这些属性沿用本地LLM软件目录中的语音转文字对比。官网未提及表示“未知”，而不是“不支持”。

TranscriptionSuite是什么

TranscriptionSuite是一款转录应用，不是会议机器人，也不是云服务。 README描述其为Electron仪表盘加Python后端，支持Whisper、NVIDIA NeMo、VibeVoice-ASR、SenseVoice、whisper.cpp和MLX等模型，可用CUDA、Apple Metal或Vulkan加速，也可只用CPU。

作者称它最初是个人工具，后来发展成业余项目，作者是机械工程师而非软件工程师；用README自己的话说，“this whole thing is vibecoded”，但并非盲目为之。作者表示自己也在使用，并不打算放弃。

本评测依据官网、README和GitHub发布页。未做实际测试，因此这里不评价准确率、速度和稳定性。

入门步骤

设置过程是：安装仪表盘，然后在应用内启动服务器。 步骤依据README。

  1. 1
    准备你的平台
    Why it matters: 在Windows和Linux上安装Docker（Windows用启用WSL 2的Docker Desktop，Linux用Docker或Podman）；在Apple silicon上则改用Homebrew安装FFmpeg。
  2. 2
    安装仪表盘
    Why it matters: 从[发布页](https://github.com/homelab-00/TranscriptionSuite/releases/latest)下载适合你系统的文件；在Mac上，由于应用未签名，需要清除一次隔离标记。
  3. 3
    在Server标签页启动服务器
    Why it matters: 选择运行时（CUDA、Metal、Vulkan或CPU）并启动；首次启动会下载你选的模型，可能有数GB。
  4. 4
    录音、口述或导入文件
    Why it matters: 在Session标签页录音或导入音频，需要说话人标注时打开Speaker Diarization开关。

功能

对一个人维护的项目来说，功能相当丰富。 以下内容均来自README和官网。

  • 长时间录音。 可从麦克风或系统音频录音，停止后得到完整转录，录音时还有最近20秒的滚动预览。
  • Live Mode。 面向口述的实时、逐句转录，仅限Whisper系列模型，且不带说话人标注。
  • 说话人分离。 为Whisper、NeMo、SenseVoice和VibeVoice模型标出“谁说了什么”。
  • 文件导入。 导入音频或视频，保存为纯文本或.srt / .ass字幕。
  • 音频笔记本。 录音进入带日历视图、全文搜索的笔记本，并有可连接任意OpenAI兼容服务商的AI助手。
  • 口述快捷键。 系统级的开始和停止快捷键，以及在光标处粘贴。
  • 集成。 供Open WebUI和LM Studio等工具使用的OpenAI兼容/v1/audio/transcriptions接口、对外Webhook，以及通过Tailscale或局域网的远程访问。

模型与硬件

语音模型由你选择，应用会检测你的硬件，并把不兼容的选项置灰。 在Docker平台上可选WhisperX（faster-whisper模型）、NVIDIA Parakeet v3和Canary v2、VibeVoice-ASR、SenseVoice和whisper.cpp；在Apple silicon上则是Whisper、Parakeet、Canary和VibeVoice-ASR的MLX版本。

语言覆盖取决于模型：Whisper支持90多种语言并可翻译成英语，Parakeet和Canary覆盖25种欧洲语言，VibeVoice为51种，SenseVoice为5种。NeMo模型无法在CPU运行时中使用，VibeVoice-ASR是约16 GB的90亿参数模型。

开发者称，在RTX 3060上用Whisper转录半小时的音频不到一分钟；本评测未复现这一数字。README没有公布最低RAM或显存要求。

隐私、许可证与费用

README称，一切都在你的电脑上运行，音频和转录文本不会离开它。 只有在首次使用时下载应用和模型权重才需要联网，之后可离线工作。用Whisper或NeMo做说话人标注时会用到PyAnnote模型，需要免费的Hugging Face令牌。

笔记本中的AI助手可连接任何OpenAI兼容服务商，包括Groq、OpenAI和OpenRouter等云服务；你发往那里的内容不在“仅限本地”的说法之内。README还提到，应用每周检查一次新版本。

代码采用GPL-3.0或更高版本，应用免费。未找到专门的隐私政策页面。本评测未检查网络流量，因此这些说法出自开发者本人。

优势与限制

本地转录

实际使用中的意义:
音频留在你的电脑上。
限制 / 注意事项:
首次使用时的模型下载很大；未公布准确率数据。

说话人标注

实际使用中的意义:
知道会议里谁说了什么。
限制 / 注意事项:
Live Mode下不可用；Sortformer最多处理四位说话人。

多个模型系列

实际使用中的意义:
可在速度、语言和准确度之间取舍。
限制 / 注意事项:
哪个适合你的硬件需要自己判断。

OpenAI兼容API

实际使用中的意义:
其他工具可把它当作后端。
限制 / 注意事项:
model字段会被接受但被忽略。

开源且免费

实际使用中的意义:
可审查的GPL代码。
限制 / 注意事项:
只有一位维护者，自称“氛围编程”；Windows和Linux需要Docker。

TranscriptionSuite与替代工具对比

这些是目录中最接近的语音转文字工具：另一款会议转录工具、一款Mac口述应用，以及两个可供二次开发的引擎。

TranscriptionSuite

平台:
Windows、macOS、Linux
价格与许可证:
免费，GPL-3.0
角色:
带服务器的转录应用
主要区别:
Live Mode、说话人标注、笔记本和API合一

Meetily

平台:
macOS、Windows
价格与许可证:
免费（MIT）与付费Pro
角色:
会议转录工具
主要区别:
围绕会议设计；仅支持macOS和Windows
关于Meetily的文章（1篇）

其他提及：

MacWhisper

平台:
macOS
价格与许可证:
免费增值，专有
角色:
Mac转录应用
主要区别:
仅限Mac且闭源
关于MacWhisper的文章（2篇）

其他提及：

faster-whisper

平台:
Windows、macOS、Linux
价格与许可证:
免费，MIT
角色:
Python语音库
主要区别:
面向开发者的引擎，没有界面
关于faster-whisper的文章（5篇）

其他提及：

另有6篇未显示

Izwi

平台:
Windows、macOS、Linux
价格与许可证:
免费，MIT
角色:
本地语音运行时
主要区别:
在同一API后增加语音输出和声音克隆
关于Izwi的文章（2篇）

第三方应用的平台、价格和功能经常变化。决定之前，请在各项目自己的页面上核实最新信息。

在目录中比较

适合使用TranscriptionSuite的人

  • 需要转录访谈、课程或会议的人。 说话人标注和字幕导出正是为此而设。
  • 使用Apple silicon的Mac用户。 内置服务器的版本最简单，不需要Docker。
  • 想向其他应用口述输入的人。 Live Mode和在光标处粘贴可以满足。
  • 家里有服务器的折腾爱好者。 远程访问和API让其他设备共用一台机器。

不适合使用TranscriptionSuite的人

  • 想在Windows或Linux上免准备安装的人。 需要先装Docker。
  • Intel版Mac用户。 最新发布页没有Intel构建。
  • 需要厂商支持的团队。 这是一位维护者的业余项目。
  • 需要有据可查的合规说明的人。 未找到隐私政策页面。

常见问题

TranscriptionSuite需要GPU吗？

不需要。有仅用CPU的运行时，但其中无法使用NeMo模型，大模型也会很慢；NVIDIA CUDA、Apple Metal以及AMD或Intel的Vulkan是可选的加速方式。

为什么需要Docker？

在Windows、Linux和Intel版Mac上，转录服务器以容器形式提供，由仪表盘下载并管理；Apple silicon的Mac则原生运行。

其他应用能把它当作转录后端吗？

可以。它提供OpenAI兼容的转录接口，Open WebUI和LM Studio等工具可以指向它。

做说话人标注需要账号吗？

只有Whisper和NeMo这条路径需要：PyAnnote要求免费的Hugging Face令牌。SenseVoice、VibeVoice和Apple silicon上的Sortformer不需要。

可以在一台机器上运行、从另一台使用吗？

可以。README介绍了通过Tailscale或局域网进行远程访问。

结论

TranscriptionSuite很适合想要带说话人标注的私密本地转录、又能接受Docker的人，或者拥有Apple silicon的Mac、可用内置版本省掉这一步的人。

需要保留的是成熟度和透明度：只有一位自称“氛围编程”的维护者，没有隐私政策页面，除作者自己的速度说法外没有准确率基准，而且macOS应用未签名。请先用不敏感的录音试用。

资料来源

← 返回 本地LLM进阶

MCP