转录与AI

Autorec 使用 whisper.cpp 在本地转录录音，并可选择通过任何 OpenAI 兼容的 API 生成 AI 摘要。

转录工作原理

  1. 录音结束后，autorec 提取音频轨道。打开自动转录录制内容（默认关闭）时，这一步会自动进行；否则请从录制结束后的提示或媒体库中手动开始。
  2. 音频由选定的 Whisper 模型完全在您的机器上处理
  3. 在视频旁边生成两个输出文件：
    • .txt — 纯文本转录稿
    • .srt — 带时间戳的字幕文件（可在设置中关闭）

转录过程中，音频或视频数据不会离开您的计算机。有 GPU 可用时转录在 GPU 上运行（Linux 和 Windows 上用 Vulkan，macOS 上用 Metal），否则在 CPU 上运行；设置中的强制使用 CPU 会跳过 GPU。

支持的语言

Autorec 可以转录 17 种语言：中文、英语、日语、韩语、德语、西班牙语、法语、意大利语、葡萄牙语、荷兰语、波兰语、瑞典语、土耳其语、俄语、乌克兰语、阿拉伯语和印地语。中文会议无需任何额外设置，Autorec 会根据开头几秒的音频自动判断说的是哪种语言，所以大多数会议都不用手动配置。如果您的会议总是用同一种语言，请在设置 > 转录中把口语语言固定为该语言。固定后，遇到音频很短、噪音较大，或者会议开头夹了几句其他语言的情况，就不会判断错。

五个模型都能处理上述所有语言。转录英语以外的语言（包括中文）时，medium 或 large 的准确度明显高于较小的模型。

Whisper 模型

模型不会自动下载；您需要在设置中选一个并下载。它们存储在 ~/.local/share/autorec/models/（Linux 和 macOS）或 %LOCALAPPDATA%\autorec\models\（Windows）中。

模型大小速度准确度最适合
tiny~75 MB最快基础快速笔记、低功耗设备
base~142 MB快良好默认 — 推荐大多数用户使用
small~466 MB中等更好准确度比速度更重要时
medium~1.5 GB慢高非英语语言、困难音频
large~3 GB最慢最佳最高准确度、高性能硬件

下载模型

  1. 打开设置，即 autorec 窗口中的齿轮图标
  2. 进入转录部分
  3. 选择模型大小
  4. 点击下载 — 模型下载一次后，所有后续转录都会重复使用

AI 摘要

AI 摘要使用云端 API 从转录文本生成标题和摘要。仅发送文本 — 不发送音频或视频。

设置

  1. 打开设置 > AI 摘要
  2. 选择一个服务商，它会自动填入基础 URL 并推荐模型；或者选“自定义”，手动输入 API 基础 URL（例如 https://api.openai.com/v1）
  3. 输入您的 API 密钥
  4. 选择一个模型（默认为 gpt-4o-mini）
  5. 打开转录完成后自动生成摘要

摘要提示词可以编辑，因此您可以让它列出决议、待办事项或截止日期，而不是一份笼统的摘要。

兼容服务

任何具有 OpenAI 兼容聊天补全端点的服务均可使用：

  • OpenAI — https://api.openai.com/v1
  • OpenRouter — https://openrouter.ai/api/v1
  • 本地模型（Ollama、LM Studio 等）— 使用您的本地端点

生成内容

对于每个转录的录音，autorec 会生成：

  • 标题 — 会议的简短描述性标题
  • 摘要 — 讨论要点的简洁摘要

两者都会出现在视频库和视频详情视图中，方便您轻松找到需要的会议，无需重新观看。