如何用 OpenWhispr 实现语音转文字听写：从安装到离线上手的完整指南
【免费下载链接】openwhisprVoice-to-text dictation app with local (Nvidia Parakeet/Whisper) and cloud models (BYOK). Privacy-first and available cross-platform.项目地址: https://gitcode.com/GitHub_Trending/op/openwhispr
OpenWhispr 是一款开源免费的跨平台语音转文字听写应用，你可以把它理解为 WisprFlow 的开源替代：按住全局热键说话，文字就出现在当前光标处。它最吸引人的地方是支持完全离线的本地转录——音频永远不离开你的设备，没有数据收集，也没有遥测。
三步跑起来
1. 下载并安装
macOS（Apple Silicon / Intel）提供.dmg，Windows 提供.exe，Linux 提供.AppImage、.deb、.rpm、.tar.gz。macOS 和 x86_64 Linux 用户也可以直接brew install --cask openwhispr。
2. 完成首次引导
启动应用后，向导会引导你授予麦克风权限并配置热键。跟着提示走一遍即可，不需要额外配置。
3. 开始听写
在任意应用中按住热键说话，松开后文字自动粘贴到光标位置。到这里，最小可用路径已经走完。
想从源码构建的话，一条命令的事：git clone https://gitcode.com/GitHub_Trending/op/openwhispr后执行npm install && npm run dev（需要 Node.js 24+）。
场景一：在任何应用里说话写字
这是 OpenWhispr 的核心用途。写邮件、填表单、发 Slack 消息时，不用离开当前应用，直接按住全局热键说话，松开后文字自动粘贴到光标处，智能标点自动处理。
两个加分项：
- 跨语言听写：有专用热键，用一种语言说话、粘贴出另一种语言的文字，适合写外语内容
- AI 语音助手：独立的热键，说话内容直接作为指令发给 AI（支持 GPT-5、Claude、Gemini、本地模型等），高亮选中的文字会被就地改写；开启自动粘贴后，回答直接落到焦点文本框
场景二：开会时自动记录
你开会，它记。OpenWhispr 会自动检测 Zoom、Teams 和 FaceTime 通话，一旦识别到会议进程就启动录音转录。
操作上前置条件只有两个：在设置里连接日历（Google / Microsoft / Apple 都支持），并确保会议应用处于运行状态。如果自动检测没触发，顶部覆盖层会弹出一张常驻置顶的会议卡片，手动点开始即可——即使系统开了勿扰模式也能看到。
实际效果是带说话人区分的实时转写：本地语音指纹识别可以把"谁在什么时候说了什么"标出来，且整个识别过程在设备内完成，不经过云端。
场景三：离线隐私模式
如果"音频不出设备"是你的底线，OpenWhispr 支持基于 whisper.cpp 的本地 Whisper 转录，也支持 NVIDIA Parakeet 等本地模型：
- 打开控制面板（右键托盘图标或点击覆盖层）
- 进入设置 → 语音转文字处理
- 启用使用本地 Whisper
- 选一个模型（推荐
base），保存
首次转录时模型会自动下载到~/.cache/openwhispr/whisper-models/。本地模式下音频用应用捆绑的 FFmpeg 处理，全程不出本机，免费。
进阶配置：选对模型和加速后端
| 模型 | 大小 | 速度 | 质量 | 内存 | 适用场景 |
|---|---|---|---|---|---|
| tiny | 75MB | 最快 | 基础 | ~1GB | 快速随手记 |
| base | 142MB | 快 | 良好 | ~1GB | 推荐默认 |
| small | 466MB | 中等 | 较好 | ~2GB | 日常专业使用 |
| medium | 1.5GB | 慢 | 高 | ~5GB | 高精度需求 |
| large | 3GB | 最慢 | 最佳 | ~10GB | 极致质量 |
| turbo | 1.6GB | 快 | 高 | ~6GB | 既要快又要准 |
GPU 加速不用你操心：macOS 的 Metal 开箱即用，NVIDIA 走 CUDA，AMD/Intel 走 Vulkan，运行时按需自动下载并做 SHA-256 校验；某个后端挂了会自动降级到 CPU，听写不会中断。本地语言模型默认空闲 5 分钟卸载，如果你频繁切换功能，可以在设置 → 语言模型打开Keep model loaded常驻内存。
实用技巧
- 热键随心改：设置 → 热键里可以为听写、AI 助手、会议转录、全局激活分别配快捷键，互相独立互不干扰
- 翻译听写单独设一个热键，说中文出英文，写外语文档效率翻倍
- 音频也能转：把已有音视频文件拖进来批量转录，或粘贴一个 YouTube / 音频链接，可选开启说话人检测
- 笔记闭环：会议转录完直接存进笔记，支持文件夹整理、语义搜索和云端同步
- 企业用户：组织可以统一下发策略、SSO 和集中管理的 Bedrock / Azure OpenAI 接入，终端设备不用持有任何云密钥
排错速查
麦克风没声音 / 权限被拒绝
- macOS：系统设置 → 隐私与安全性 → 麦克风，确认 OpenWhispr 已启用
- Windows：设置 → 隐私 → 麦克风，开启应用访问并允许 OpenWhispr
- Linux：用
pavucontrol检查选对了输入设备
转录结果为空或只有"你"一个字
- 检查麦克风权限和输入设备选择
- 清缓存：
rm -rf ~/.cache/whisper - 换一个热键试试，必要时重走一遍引导流程
本地转录失败，提示 "whisper.cpp 未找到"
- 源码运行时先执行
npm run download:whisper-cpp下载二进制 - macOS 也可
brew install whisper-cpp；清模型缓存rm -rf ~/.cache/openwhispr/whisper-models - 临时改用云端转录兜底
GPU 加速启动失败
- 会自动回落到 CPU 并重试，听写照常完成，不用处理
- 想彻底关掉 GPU 加速，在转录模型选择器里的 GPU 卡片上关闭即可
更多细节看仓库根目录的 TROUBLESHOOTING.md，里面还覆盖了 Windows 杀软误杀、Linux Wayland 剪贴板、系统音频采集等平台专属问题。
写在最后
OpenWhispr 把"说话即文字"做成了一个零配置、零数据收集的日常习惯，本地模型保证了隐私底线，云端模式保留了速度上限，两者随时可切换。跑起来之后，建议先去把日历连接和本地 Whisper 模型各试一遍——这两件事决定它在会议场景下能不能真正替你省时间。
【免费下载链接】openwhisprVoice-to-text dictation app with local (Nvidia Parakeet/Whisper) and cloud models (BYOK). Privacy-first and available cross-platform.项目地址: https://gitcode.com/GitHub_Trending/op/openwhispr
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
