LINUX SB 快照站

开源了一个跑在 Mac 本机的录音转文字桌面 App，叫 Recorder。
https://github.com/chillboy67/recorder-mac

为啥又造一个轮子

市面上很多转写工具默认会「悄悄把你说错的话改对」——语法修好、句子理顺、口音抹平。
记会议挺好；但如果你是想看自己口语到底哪不行，被改掉的那部分恰恰是诊断价值。

所以这个项目的第一原则是：

任何模式都不改写说话人原话。说错的原样保留；需要提示的只做标注。

全程本地，不上传音频、不调云 API（模型首次下载后可断网）。

三种模式

技术上几点

• ASR：优先 mlx-whisper（Apple Silicon Metal），回退 faster-whisper
• 系统内录：ScreenCaptureKit，戴耳机也能录电脑声音
• 长录音：静音处分块，16GB 机器也能扛；转写在子进程，崩了不带走 GUI 和录音文件
• 中英 code-switching：分块独立语言检测，避免被「翻译」成单一语言
• 可选 AI 增强（Ollama）：校对错字 / 课堂总结 / 雅思点评；不润色原文
• 选型建议：亚洲语向 Qwen、欧洲语向 Mistral，按内存选型见仓库文档

跑起来

cd lecture_intel
uv venv && uv pip install -r requirements.txt
brew install ffmpeg
.venv/bin/python3 app.py
# 或 ./make_app.sh 装到 /Applications/Recorder.app

GitHub（MIT）：

https://github.com/chillboy67/recorder-mac

硬件与本地大模型说明（可选）：

https://github.com/chillboy67/recorder-mac/blob/main/lecture_intel/docs/LLM_MODELS.md

已知局限

• 目前转写以 中英 为主；完整多语（日韩欧语教官等）还在规划
• 16GB 机器建议 Whisper 用 turbo/small 再开 LLM，大模型与 large-v3 尽量串行
• 雅思发音依赖 Whisper 逐词置信度，是「疑似」不是金标准

欢迎试用、提 issue、拍砖。尤其想听听：课堂主讲人过滤、雅思角色分离在你们真实录音里准不准。