noScribe - 本地化AI音频转录工具

---

一、关于 noScribe

1、项目概览

• 基于AI的开源软件，专为社会科学研究和新闻采访设计的音频转录工具
• 核心特性：
  • 完全本地运行（无需联网/云服务）
  • 支持约60种语言的转录
  • 自动区分不同说话者
  • 内置带时间戳标记的文本编辑器
• 技术基础：
  • OpenAI Whisper
  • faster-whisper
  • pyannote音频处理框架

---

2、相关链接资源

• GitHub仓库：https://github.com/kaixxx/noScribe
• 许可证：GPL-3.0
• 编辑器源码：https://github.com/kaixxx/noScribeEditor
• 相关研究：
  • 康奈尔大学关于AI幻觉的研究
  • 帕德博恩大学评测报告（德文）
• 推荐工具：
  • QualCoder
  • Taguette

---

二、安装配置

当前版本：0.6.2 (更新日志)

Windows安装

# 通用版本（无NVIDIA显卡）：
<https://drive.switch.ch/index.php/s/HtKDKYRZRNaYBeI?path=%2FWindows%2Fnormal2># CUDA加速版本（需NVIDIA显卡+6GB显存）：
<https://drive.switch.ch/index.php/s/HtKDKYRZRNaYBeI?path=%2FWindows%2Fcuda1>
# 需额外安装[CUDA工具包](https://developer.nvidia.com/cuda-downloads?target_os=Windows)

macOS安装

# Apple Silicon版本：
<https://drive.switch.ch/index.php/s/HtKDKYRZRNaYBeI?path=%2FmacOS%2Farm64%20(Apple%20Silicon)># Intel芯片实验版：
<https://github.com/kaixxx/noScribe/discussions/143>

Linux安装

# 预编译版本：
<https://drive.switch.ch/index.php/s/HtKDKYRZRNaYBeI?path=%2FLinux># 源码编译（需Python 3.12）：
git clone https://github.com/kaixxx/noScribe.git
cd noScribe
python3 -m venv .venv
source .venv/bin/activate
pip install -r environments/requirements_linux.txt

---

三、使用指南

1、基本设置

• 音频输入：支持绝大多数音视频格式
• 输出格式：HTML（默认）/VTT字幕/TXT纯文本
• 语言识别：支持自动检测或手动指定60+语言
• 质量预设：
  • Precise模式（高精度，推荐）
  • Fast模式（快速但需更多人工校对）

2、高级功能

• 静音段标记（可设1-3秒阈值）
• 说话人分离（基于Pyannote模型）
• 重叠语音检测（实验性功能）
• 时间戳插入（每60秒或说话人切换时）

3、编辑器操作

• 快捷键Ctrl+Space播放对应音频
• 实时文本-音频同步定位
• 说话人名称批量替换
• 支持0.5x-2x倍速播放

---

四、注意事项

性能要求

• 需较新硬件配置（1小时音频约需3小时处理时间）
• 模型文件大小约3.7GB
• 不建议使用电池供电运行

质量影响因素

1. 录音质量（背景噪声会显著影响准确率）
2. 语言支持度（拉丁语系最佳）
3. 方言处理（需更多人工修正）

已知问题

• 长音频可能出现文本循环重复
• 多语言混合录音仍为实验性功能
• 非语言声音（如笑声）需手动添加
• 可能出现AI幻觉（将噪声误识为文本）

---

五、开发相关

• 开发语言：Python 3.12
• 配置文件路径：
  • Windows: C:\Users\<username>\AppData\Local\noScribe\
  • macOS: ~/Library/Application Support/noscribe/
• 多语言支持：通过trans目录下的YAML文件实现

---

伊织 xAI 2025-09-23（二）