告别云端API！我用Swift打造了一款100%本地的AI语音转写神器

在AI应用爆发的今天语音转文字STT已经不是什么新鲜事。但作为一名开发者我始终对“把录音上传到云端”这件事心存芥蒂。无论是会议记录、访谈整理还是个人笔记音频数据往往包含大量隐私。为了解决这个痛点我决定基于 Apple 原生的强大能力结合最新的端侧AI技术开发了一个真正意义上的开源项目——ohr-speaker。它不仅仅是一个转录工具更是一个**完全运行在本地、支持说话人分离声纹识别**的隐私优先型解决方案。为什么我们需要 ohr-speaker市面上的转录工具很多但大多存在以下问题隐私泄露风险音频必须上传到服务器数据不再受控。费用昂贵OpenAI Whisper API 等按秒计费长音频成本不菲。缺乏角色区分大多数工具只能转出一大段文字无法区分“谁说了什么”。ohr-speaker的出现就是为了解决这些问题。它基于 macOS 原生的SpeechAnalyzer引擎并创新性地集成了FluidAudio的离线说话人分割技术。它的核心承诺只有三点100% 本地运行无需联网无需 API Key。数据不出设备你的录音只属于你。毫秒级响应利用 Apple Silicon 的强悍性能速度极快。核心技术原生引擎 端侧AI这个项目最让我自豪的地方在于它的技术架构。它不是简单的套壳而是深度整合了系统底层能力转录引擎使用了 macOS 内置的SpeechAnalyzer和SpeechTranscriber框架。这意味着它拥有系统级的优化延迟极低且不需要额外下载庞大的语音识别模型。说话人分离这是 ohr-speaker 的灵魂。我集成了FluidAudio的OfflineDiarizer。首次运行时它会自动下载约 700MB 的模型文件随后即可在离线状态下精准识别不同的说话人。智能对齐算法为了解决“文字”和“人声”的对应问题我编写了一套基于时间重叠最大化的算法将转录的文本段与声纹分割段进行精准匹配。功能亮点一览ohr-speaker 不仅仅是一个命令行工具它更像是一个全能的音频处理瑞士军刀️ 说话人识别自动标记【S1】、【S2】清晰区分不同角色。 多格式输出支持纯文本、JSON、SRT 字幕、VTT 字幕满足剪辑和归档需求。️ 实时麦克风转录支持--listen模式像实时字幕一样工作。️ 兼容 OpenAI API这是为开发者准备的大招。启动--serve模式后它提供了一个兼容 OpenAI Whisper API 的接口。你可以将任何调用 Whisper 的代码无缝切换到本地运行性能实测快而且稳在 Apple Silicon 芯片的加持下ohr-speaker 的表现令人惊艳。以下是纯转录与开启说话人分离后的性能对比音频时长纯转录耗时开启说话人分离额外耗时1 分钟~1s~1s10 分钟~3s~2s31 分钟~10s~5s1 小时~20s~10s可以看到即使开启了复杂的声纹识别处理 1 小时的音频也仅需额外 10 秒左右效率极高。快速上手ohr-speaker 是为 macOS 26 (Apple Silicon) 打造的。你可以通过 Swift 包管理器轻松编译安装# 1. 克隆项目 git clone https://github.com/yanhuicsdn/ohr-speaker.git cd ohr-speaker # 2. 编译 (需 Xcode 26.6 或 Xcode-beta 27) swift build -c release # 3. 安装到系统路径 cp .build/release/ohr /usr/local/bin/ohr-speaker使用示例最简单的用法直接转写音频ohr-speaker meeting_recording.m4a开启说话人分离核心功能ohr-speaker --speakers meeting_recording.m4a输出效果如下清晰明了【S1】都会有一个平台管理一般就有个用户中心...【S2】一个全的给个全的让用这样东西对他这个就比较清晰...【S1】对就是他们省业务层面对这个权限的隔离是要求...给开发者的特别礼物本地 Whisper 服务如果你正在开发一个需要语音转写的应用但不想支付 OpenAI 的费用或者担心数据隐私ohr-speaker 是你的完美后端。启动服务ohr-speaker --serve --port 11434然后你可以直接使用标准的 OpenAI 客户端代码进行调用curl http://localhost:11434/v1/audio/transcriptions \ -F fileaudio.wav \ -F modelwhisper-1 \ -F diarizetrue注意那个diarizetrue参数这是我在兼容层中特别加入的让你在本地也能享受说话人分离的乐趣。结语做这个项目的初衷很简单我想在享受 AI 便利的同时把数据主权掌握在自己手里。ohr-speaker 目前已经在 GitHub 开源采用 MIT 协议。如果你也是一名注重隐私的 macOS 用户或者正在寻找一个高性能的本地语音处理方案欢迎 Star 支持也欢迎提交 PR 一起完善它项目地址https://github.com/yanhuicsdn/ohr-speaker让我们一起用技术守护隐私用开源连接未来。