登上GitHub趋势榜！7.6k Star语音转写桌面工具开源，支持本地模型

智猩猩AI整理

编辑：金水

语音转文字这几年越来越成了日常标配。开会记纪要、写草稿、整理客户对话，张嘴就能变出文字，显著提升了输入效率，尤其惠及打字速度受限的用户。

据项目官网披露，语音输入速度可达键盘打字的约三倍（约 150 WPM 对 40 WPM），这也是此类工具获得广泛关注的直接动因。

WisprFlow、Granola 这类工具，按键开口就能把话说成字，用过的都懂那种省事。但它们的底色差不多：闭源、按月订阅，而且默认把语音送到云端，那就意味着你聊的每句话，基本都要过一遍别人的服务器。

对一些需要注意隐私的人群，或者单纯不想被年费绑死的小团队来说，这就有点别扭，数据出了门，钱包也出了门。

9 月初，GitHub 上有个项目叫 OpenWhispr，直接把自己写成它们的「开源免费替代品」。近期其登上 GitHub Trending，星标持续增长，现已收获7.6k star。

它用 MIT 协议放出整套代码，macOS、Windows、Linux 通吃。项目的README 里那句介绍很直白：按个热键、开口、字就落在光标处；转录要么完全在本地用 Whisper 或 NVIDIA Parakeet 跑，音频不出本机，要么接云端图快。

「不收集数据、没有遥测、完全开源」，这是它明摆着的卖点。

01

它到底是什么

OpenWhispr 的核心能力是将桌面端的语音转换为文本、笔记与可执行动作。用户通过全局热键（默认 F4）触发语音输入，转写文本会自动粘贴至当前光标所在位置，兼容 ChatGPT、Claude、Cursor、Slack 及各类文档编辑器。

项目支持 100 余种语言（含中文）并具备自动语言检测能力，可覆盖跨语言听写与翻译场景。

该项目的关键设计在于本地与云端由用户自主选择。

在本地模式下，Whisper 或 NVIDIA Parakeet 模型于设备端运行，音频数据不离开本机；Whisper 支持 Metal、CUDA、Vulkan（覆盖 AMD 与 Intel 显卡）的 GPU 加速。

在云端模式下，项目采用 BYOK（Bring Your Own Key）机制，用户使用自有的 OpenAI、Anthropic 或 Gemini 等 API 密钥，平台不中转、不留存数据。

本地模型提供多档配置，用户可依据设备性能与精度需求选择：Whisper Tiny（75 MB，最快）、Whisper Base（142 MB，快速）、Whisper Small（466 MB，均衡）、Whisper Medium（1.5 GB，准确）与 Whisper Turbo（1.6 GB，最佳）。

除基础听写外，OpenWhispr 还集成了多项能力：听写翻译支持以 A 语言输入、输出 B 语言文本；AI 代理可对接 GPT-5、Claude、Gemini、Groq、Tinfoil、OpenRouter 或本地模型，并支持以唤醒式短语直接下达命令，例如说出「嘿 OpenWhispr，帮我整理一下这封邮件：我要告诉 Mike 会议改到周四下午三点，另外提醒他准备好幻灯片」，即可生成措辞得体的邮件草稿；

会议转录可自动识别 Zoom、Teams、FaceTime，并在本地完成说话人分离与声纹识别，同时对接 Google、Microsoft 或 Apple 日历；笔记模块提供文件夹、语义搜索、云同步与 AI 动作；

登录用户可免费创建团队空间并分享笔记，支持链接、域名与邀请三种可见性；音频导入支持文件拖拽、批量上传及 YouTube 链接转写，可选说话人检测；

企业版提供 SSO、SCIM 及集中管理的 Amazon Bedrock、Azure OpenAI 接入，无需下发密钥；开发者则可通过公开 API 与 MCP 将笔记和转录接入自有程序或 AI 助手。

技术栈方面，项目采用 React 19、TypeScript 与 Tailwind CSS v4 构建界面，桌面端基于 Electron 41，本地推理依赖 whisper.cpp 与 sherpa-onnx，存储使用 better-sqlite3。

基于 MIT 协议，个人与商业使用均免费。

需要说明，项目的README 中的「云端」包含两层含义：其一为前述 BYOK 模式，密钥与数据均由用户掌控；其二为官方托管的 OpenWhispr Cloud，该部分属闭源并收费。

因此「完全开源」应理解为客户端代码开源，托管云服务不在其列，评估时需留意这一边界。

此外，Intel 架构的 Mac 设备不支持实时说话人识别与声纹识别，原因是 ONNX Runtime 自 1.24 版本起停止发布 macOS x86_64 二进制文件。该限制不影响会议录制与转写，仅笔记搜索由语义搜索回退至关键词匹配。

02

怎么上手

最简方式是从 Release 页面下载预编译安装包：macOS 提供 Apple Silicon 与 Intel 两版 .dmg，Windows 提供 .exe，Linux 提供 .AppImage、.deb、.rpm 与 .tar.gz，安装后即可使用。

若从源码构建，README 提供的命令如下：

npm run dev

构建需 Node.js 24 及以上版本。

首次启动会提示选择默认模型（本地 Whisper 各档位或 Parakeet），模型在首次转录时自动下载。此后按住全局热键说话、松开，文本即插入光标处。关于默认热键，官方站点演示显示为 Ctrl+Space，而第三方测评记为 F4，两者均可在设置中自定义。

需要说明的是，本地模型首次下载经由 Hugging Face，在国内网络环境下建议配置镜像源以提升下载成功率，具体环境变量参见项目文档。

03

总结

OpenWhispr 并非适用于所有用户。

其典型受益群体包括：频繁处理敏感内容、数据不可出境的用户；使用 Obsidian、Logseq 或 Apple Notes 进行本地笔记、需要将录音直接汇入笔记工具的用户；以及希望免订阅、同时获得「全局热键 + 默认本地 + 云端可选」组合能力的用户。

反之，不愿接触命令行与模型下载的纯新手，其开箱即用体验不及纯云端 SaaS；对说话人识别有强需求的 Intel Mac 用户会受到前述限制影响；中文重度用户应注意 Parakeet 对中文支持较弱，建议中文场景选用 Whisper 系列模型。

关注+星标，获取AI前沿进展与开源一线动态