[toc]

推荐一个AI语音转写生成字幕开源项目

一、项目简介

推荐一个本地优先的字幕生成与编辑工作流。它帮你完成从本地媒体文件，到 AI 转写生成字幕，再在本地编辑器中精修，最后导出成品字幕的完整流程 ‌**Moy's ASR Workflow（简称 MAW）**‌ 是一个专注于本地字幕生成与编辑的 AI 语音识别工作流工具。

它的核心流程是：

‌本地媒体 → AI 语音转写 → 生成 SRT 字幕 + .mosp 工程文件 → MAWE 浏览器编辑器编辑 → 导出多格式字幕‌

二、项目核心功能

1. 多引擎语音转写

• ‌云端 API 转写‌（主流程）：
  • 阿里云百炼：Qwen-Audio 3.0 ASR（默认）、Fun-ASR（支持说话人分离）
  • 豆包（火山引擎）大模型录音文件识别
  • Soniox 语音识别（支持说话人分离）
  • 腾讯云录音文件识别
  • OpenAI Whisper 及兼容接口（支持 OpenRouter 等中转）
• ‌本地离线转写‌（实验性）：Qwen3-ASR、FunASR、Faster-Whisper
• ‌免 Key 体验‌：必剪 ASR（B站非公开接口，仅中文）

2. 专业字幕编辑器（MAWE）

• 波形可视化定位与时间轴微调
• 字幕拆分、合并、批量替换
• 主副字幕双轨编辑：支持交换、绑定/解绑、联动编辑、跨轨道吸附
• 静音空隙检测与移除（建立可逆压缩时间线，不破坏原媒体）
• 播放器内字幕实时预览与拖拽调整
• 说话人分离颜色标记
• 多工作区布局切换（经典、波形右侧、三折叠、大荧幕、自定义）

3. 转写后自动化处理

• ‌文稿匹配‌：将已有文稿按时间轴对齐到字幕，修正识别错字
• ‌LLM 智能处理‌：校对、重新断句、中英翻译、双语字幕合并
• ‌OCR 字幕去重‌：自动识别画面烧录字幕并禁用对应音轨字幕
• ‌固定处理‌：批量文本替换、简繁转换
• ‌可配置自动化 Pipeline‌

4. 导出与工具集

• 导出格式：SRT、ASS（保留字体样式）、OTIO（达芬奇时间线）、FFconcat
• 媒体工具箱：波形生成、音频提取、字幕压制、媒体重组
• 命令行接口（CLI）：支持批处理和 AI 自动化集成
• 批量转写队列：多文件顺序处理

三、项目亮点

四、技术栈

后端技术

• ‌语言‌：Python 3.11+
• ‌包管理‌：uv（现代 Python 包管理器）
• ‌核心依赖‌：
  • requests - API 调用
  • jieba - 中文分词
  • opencc-python-reimplemented - 简繁转换
  • fonttools - 字体处理（ASS导出）
  • quapeaks (Rust) - 高性能波形/频谱生成内核（MIT/Apache-2.0）
  • pywebview - 桌面 GUI 桥接
• ‌本地 ASR 可选依赖‌：
  • torch / torchaudio (PyTorch CUDA 13.0)
  • qwen-asr、funasr、faster-whisper
  • accelerate - 模型加速
• ‌OCR 可选依赖‌：
  • rapidocr (ONNX Runtime PP-OCRv6)
  • pillow、numpy

前端/编辑器

• ‌原生技术栈‌：纯 Vanilla JavaScript + HTML + CSS（‌不使用 React/Vue 等框架‌）
• ‌代码规范‌：Node.js 原生测试运行器 + ruff (Python lint)
• ‌架构‌：
  • Server 版编辑器：Python HTTP 服务器（只监听 127.0.0.1）+ 前端 SPA
  • 单文件版：所有 CSS/JS 内联为单个 HTML 便携文件
• ‌测试‌：Playwright 浏览器端到端测试 + Python unittest + Node 单元测试

五、怎么本地快速启动

方式一：下载 Release 包（最简单，推荐普通用户）

1. 去 GitHub Releases 页 下载
   • Windows：MAW-Windows-x64-v*.zip（带 FFmpeg，推荐）或 MAW-lite-*（更小，需自备 ffmpeg）
   • macOS：MAW.app 或 MAW-lite.app
2. 解压后直接启动 MAW.exe / MAW.app
3. 在 Launcher 里配置你想用的 ASR 服务 API Key
4. 选择媒体文件 → 生成字幕 → 自动打开编辑器

方式二：源码运行（开发者/Linux 用户）

‌前置要求‌：Python ≥ 3.11、uv 包管理器、ffmpeg/ffprobe

# 1. 克隆仓库
git clone https://github.com/Moyf/moys-asr-workflow.git
cd moys-asr-workflow

# 2. 安装基础依赖（用 uv）
uv sync

# 3. 复制环境变量模板
cp .env.example .env
# 编辑 .env，填入你的 API Key（如 QWEN_API_KEY、SONIOX_API_KEY 等）

# 4a. 启动 GUI 版（Windows/macOS）
uv run python maw_gui.py

# 4b. 启动 Server 编辑器（所有平台通用）
uv run python server-editor/serve.py --blank
# 然后浏览器打开 http://127.0.0.1: 开头的地址

# 4c. 命令行转写（以 Qwen 为例）
uv run python generate_subtitle_qwen_api.py /path/to/your/video.mp4

项目代码仓库地址

项目代码仓库地址： https://github.com/Moyf/moys-asr-workflow