你是否也有过这样的时刻：
- 想听一档外语播客，但没有字幕，等字幕组做完内容已经凉了；
- 参加跨国会议，对方语速飞快，来不及记笔记也跟不上节奏；
- 想把一段外语视频变成可检索的文字稿，上传云端转录又担心隐私泄露；
- 为了采集系统声音，装BlackHole、改音频路由、配虚拟声卡……每一步都在消磨热情。
所闻，即所见。
AudioScript 声稿是一款离线优先的桌面应用：监听电脑正在播放的声音，把外语播客、视频和会议实时变成原文与译文的双语字幕。识别和翻译都在这台机器上完成，内置中英文模型，可选29+种语言。
- 官网：https://audioscript.looplooptech.com
- GitHub：https://github.com/niyongsheng/AudioScript
- 网盘：https://pan.quark.cn/s/fdbb46aababa 提取码：wk96
没有账号，没有广告，没有联网等待，音频不出门。
1. 三个核心承诺：时效、隐私、零配置
| 维度 | 传统方案 | AudioScript |
|---|---|---|
| 时效 | 等字幕组/云端转录，内容已凉 | 字幕跟着声音出现，句末定稿 |
| 隐私 | 上传音频到云端，隐私条款比会议还长 | 识别翻译全在本机，音频不出门 |
| 配置 | 装BlackHole/虚拟声卡，改音频路由 | 直接调用系统音频接口，装完即用 |
这不是“又一个转录工具”，而是为长时间聆听设计的实时伴侣。该有的都有，不该打扰的不打扰。
2. 技术亮点：为什么它“不一样”
🔊 系统声音直采，无需虚拟声卡
- macOS：Core Audio Process Tap
- Windows：WASAPI Loopback
- 支持只采集指定软件的声音（最多4个），避免无关噪音干扰
- 不需要BlackHole，不需要改音频路由，不需要额外硬件
📝 流式双语字幕，句末定稿
- Partial结果实时刷新，句末自动定稿
- X-ASR与Nemotron带标点，Qwen3按句输出
- 原文在上、译文在下，阅读节奏自然
🪟 悬浮窗设计，随时让路
- 始终置顶，锁定时鼠标完全穿透，不抢焦点、不挡点击
- 字号、不透明度、行数、流光边框均可调节
- 关窗不退出，托盘常驻，登录时自启
💾 导出友好，原文译文成对保留
- 定稿段落带时间戳导出为Markdown
- 原文与译文成对保留，方便后续检索、复习或二次编辑
3. 仅三步，开始使用
01 下载并打开 → 安装包内含模型，首次无需联网、无需注册
02 选声音和语言 → 系统/软件/麦克风/混合，源语言与目标语言自选
03 按下开始 → 悬浮字幕窗出现，锁定后鼠标穿透
没有账号体系，没有广告植入，没有联网等待。模型在本地，声音不出门。
4. 适用场景
| 场景 | 价值 |
|---|---|
| 🎧 外语播客/YouTube | 实时双语字幕，不等字幕组 |
| 💼 跨国会议/直播 | 实时转录+翻译，辅助理解与记录 |
| 📚 外语课程/讲座 | 生成带时间戳的双语文稿，方便复习 |
| 🎬 无字幕影片/纪录片 | 即时理解内容，后续导出文稿 |
| 🔒 敏感内容处理 | 音频全程本地，无上传风险 |
| ♿ 听力辅助 | 视觉化呈现语音内容 |
5. 与其他方案的定位差异
| 维度 | AudioScript | Whisper + 翻译API | Otter/Fireflies | BlackHole + OBS |
|---|---|---|---|---|
| 实时性 | ✅ 流式字幕 | ❌ 录完再转 | ✅ 但需联网 | ❌ 仅录制 |
| 隐私 | ✅ 全本地 | ⚠️ 翻译需上传 | ❌ 云端处理 | ✅ 但无转录 |
| 配置复杂度 | ✅ 装完即用 | ❌ 需搭建pipeline | ✅ 但需账号 | ❌ 需配虚拟声卡 |
| 双语输出 | ✅ 原文+译文 | ⚠️ 需自行拼接 | ❌ 仅原文 | ❌ 无 |
| 离线可用 | ✅ | ⚠️ ASR可离线 | ❌ | ✅ |
| 成本 | ✅ 免费开源 | ⚠️ API费用 | 💰 订阅制 | ✅ 免费 |
AudioScript的定位很清晰：给需要实时双语字幕、又在意隐私和配置成本的用户，提供一个“开箱即用的本地方案”。它不追求云端服务的协作能力，也不追求专业录音软件的后期精度，而是在“实时聆听”这个细分场景里做到了极致简洁。
6. 注意事项
- 模型体积：安装包内含识别与翻译模型，首次下载较大，但之后完全离线
- 语言支持：内置中英文模型，可选29+种语言，具体效果因语言而异
- 资源占用：本地ASR+翻译对CPU/GPU有一定要求，老旧设备可能延迟较高
- 系统兼容：macOS需Core Audio Process Tap支持，Windows需WASAPI Loopback支持
AudioScript 声稿用系统级音频直采消灭了虚拟声卡的配置地狱，用本地模型消灭了云端上传的隐私焦虑，用流式双语字幕消灭了“等字幕”的时间差。在这个语言内容爆炸但注意力稀缺的时代，它让“听懂”这件事重新变得轻盈。
所闻，即所见。语言不该是门槛，而该是窗户。
