Vibe 是开源本地音视频转写工具，基于 Whisper 模型通过 whisper.cpp 完全离线运行。支持 Windows、Mac、Linux 全平台，可直接转写 YouTube/Vimeo 音频，自带 CLI 与 HTTP API，处理字幕超方便，文末附详细使用教程
🎤 引言
做视频的、写论文的、剪 podcast 的……你有没有被"听写一小时录音"支配过？音频文件丢进某个在线转写网站，要么收费、要么限制 10 分钟、要么把你的采访录音传到别人服务器上，录音就这么明文裸奔了。
现在给你介绍 Vibe ——一款在 GitHub 拿下 6.8k stars 的开源本地转写工具，由以色列开发者 thewh1teagle 用 Rust + Tauri 编写。它底层是 OpenAI 的 Whisper 模型通过 whisper.cpp 跑在本地，完全离线、零数据上传、免费开源，处理 1 小时音频也只要几分钟。还自带 CLI 和 HTTP API，可以直接做自动化流程。
⭐ 核心功能
1. 完全本地离线转写
Vibe 最大的卖点就是纯本地。音频/视频文件从头到尾不离开你的电脑，处理过程全部走 CPU/GPU（可选 GPU 加速）。OpenAI 的 Whisper 模型被换成 C++ 重写的 whisper.cpp，对消费级硬件友好，MacBook Air M1 都能跑得动。
支持的输入格式基本全覆盖：
- 音频：MP3、WAV、FLAC、M4A、OGG、Opus
- 视频：MP4、MKV、AVI、MOV（自动抽音轨再转写）
- 流媒体链接：YouTube、Vimeo、Facebook、Twitter 等（通过 yt-dlp 解析）
2. 多语言 + 翻译
Whisper 原生支持 99 种语言，Vibe 完全继承：
- 自动检测语种
- 同一段音频可以转写 + 翻译成英文（
--task translate） - 中文 / 英文 / 日语 / 韩语 / 法语 / 德语……都能用
3. 多模型可选
| 模型 | 大小 | 速度 | 准确度 |
|---|---|---|---|
| Tiny | 75 MB | 极快 | 基础 |
| Base | 142 MB | 快 | 良好 |
| Small | 466 MB | 中 | 不错 |
| Medium | 1.5 GB | 慢 | 较好 |
| Large-v3 | 3.1 GB | 很慢 | 最佳 |
首次启动会让你选一个模型下载（默认是 Small），以后可以在设置里随时切换。本地模型还可以通过 vibe://download/?url=... 协议从第三方服务器加载自定义模型。
4. 输出多种格式
转写完支持导出：
- SRT / VTT 字幕文件（最常用，剪视频直接用）
- 纯文本（写文章、写笔记用）
- JSON（带时间戳的完整数据，方便二次处理）
- Markdown（结构化文本，可直接发博客）
5. CLI + HTTP API + 桌面 GUI
Vibe 提供三种使用方式：
# CLI 模式 - 终端直接转写
vibe transcribe input.mp4 --model small --output-format srt
# HTTP API 模式 - 起服务
vibe serve --port 8080
# 然后 POST 音频文件到 http://localhost:8080/transcribe
# GUI 模式 - 桌面应用
vibeGUI 是用 Tauri 写的，原生体验比 Electron 流畅得多，Mac 上看着就是个地道的 macOS 应用。
6. 多语言界面
i18n 目录里有 30+ 语言翻译，UI 简体中文、繁体中文、英文、日语、韩语、西班牙语……都有。
📥 安装使用
桌面端（推荐新手）
前往 Vibe 官网 下载对应平台的安装包：
- macOS：
.dmg（支持 Apple Silicon 和 Intel） - Windows：
msi或.exe - Linux：
deb/AppImage/flatpak
首次启动会让你选模型（推荐 Small，平衡速度和准确度），下载完就能直接拖音频进去了。
Linux 高级安装
# 方式 1: 下载 AppImage（推荐）
wget https://github.com/thewh1teagle/vibe/releases/latest/download/Vibe-x86_64.AppImage
chmod +x Vibe-x86_64.AppImage
./Vibe-x86_64.AppImage
# 方式 2: Cargo 安装（需要 Rust 工具链）
cargo install vibe
# 方式 3: Homebrew（macOS/Linux）
brew tap thewh1teagle/vibe
brew install vibeCLI 用法示例
# 1. 转写本地音频
vibe transcribe podcast.mp3 --model medium --output-format srt
# 2. 转写 YouTube 视频
vibe transcribe "https://www.youtube.com/watch?v=xxx" --output-format vtt
# 3. 批量处理整个目录
for f in *.mp3; do
vibe transcribe "$f" --output-format srt
done
# 4. 启动 HTTP API 服务
vibe serve --port 8080
# 5. 翻译成英文
vibe transcribe chinese_podcast.mp3 --task translate --output-format srtPython 集成（用 HTTP API）
import requests
# 上传音频转写
with open("interview.mp3", "rb") as f:
response = requests.post(
"http://localhost:8080/transcribe",
files={"audio": f},
data={"model": "small", "format": "srt"}
)
# 保存字幕
with open("interview.srt", "w") as f:
f.write(response.text)🎯 适用场景
内容创作者 / 自媒体：做 YouTube 视频要加字幕？丢个视频文件进去，1 分钟出 SRT 文件，直接导入剪映/PR 就能用。完全本地运行，不用担心视频内容被上传到第三方。
学术研究 / 学生：访谈录音、课堂录音、会议录音转文字做笔记，比手动听写快 10 倍。研究伦理审查严格的领域（医学、法学、社会学），数据不出本地是关键卖点。
Podcast 制作者：批量给剧集生成字幕、转写采访稿、生成 show notes。
外语学习者：把 YouTube 的外语视频转成双语字幕，或反过来用 --task translate 把外语内容翻译成英文辅助理解。
记者 / 律师：处理敏感访谈录音，离线转写完全规避数据泄露风险。
开发者：用 HTTP API 把 Vibe 集成到自己的自动化流程里，比如 n8n 工作流自动处理用户上传的语音消息。
🔍 对比/替代方案
Vibe vs MacWhisper
MacWhisper 是 macOS 上最知名的本地转写工具，UI 非常漂亮，但仅限 Mac 且闭源收费（$25 一次性买断，免费版限制 30 分钟/月）。Vibe 跨平台、开源免费，缺点是 UI 没 MacWhisper 那么精致。
Vibe vs Buzz
Buzz 同样是 Whisper 桌面端，UI 设计更现代，支持导出到剪映。但 Vibe 的优势在于带 CLI 和 HTTP API，可以直接做自动化；Buzz 主要还是 GUI 操作。
Vibe vs WhisperDesktop
WhisperDesktop 性能不错（用 C# + Vulkan 加速），但只支持 Windows，且没有 CLI。Vibe 的跨平台 + CLI/HTTP API 是明显优势。
Vibe vs 云端服务（Whisper API、Otter.ai 等）
云端服务准确度可能稍高（用更大的模型），但：
- ❌ 音频要上传到第三方服务器（隐私风险）
- ❌ 按分钟收费，长音频不划算
- ❌ 需要稳定网络
- ❌ 有调用频率限制
Vibe 完全本地、无网络依赖、无任何费用，唯一成本是你自己的电费。
Vibe vs yt-dlp + whisper.cpp 手动组合
技术党可以自己用 yt-dlp 下视频 + ffmpeg 抽音轨 + whisper.cpp 转写，灵活但步骤繁琐。Vibe 帮你把这一套整合成一个工具，对非技术用户友好得多。
⚠️ 注意事项
1. 首次启动需要下载模型
模型文件从几百 MB 到 3.1 GB 不等，下载速度取决于网络。建议：第一次安装时直接用 Small 模型（466 MB）试水，确认效果再决定要不要换 Large。
2. 硬件要求
| 模型 | 最低 RAM | 推荐配置 |
|---|---|---|
| Tiny/Base | 4 GB | 任意电脑 |
| Small | 8 GB | 主流笔记本 |
| Medium | 16 GB | 16GB+ 内存 |
| Large-v3 | 16 GB+ | 建议 Apple Silicon / 独显 / 服务器 |
没有 GPU 加速时 CPU 跑 Large 模型会非常慢，中等长度音频（10-30 分钟）推荐用 Small 或 Medium。
3. 中文准确度
Whisper 对中文的识别效果比英文略差，尤其是带口音的方言、专业术语、人名。如果中文转写准确度不理想，可以尝试：
- 换 Large 模型
- 提前告知领域词汇（Vibe 支持 prompt 提示词）
- 转写后用正则批量修正（如
将"累"自动改为"蕾"）
4. 长音频处理时间
1 小时音频用 Small 模型 + M1 Mac 大约 5-8 分钟，Large 模型要 20+ 分钟。批量处理长视频建议夜间挂机跑。
5. CLI 的 vibe 协议
vibe://download/?url=... 这种自定义协议可以一键下载第三方模型，但要小心来源不明的 URL。GitHub Issues 里有人反馈过恶意 URL 投毒，建议只信任官方推荐的模型源。
6. 还在快速迭代中
Vibe 是相对年轻的项目（1,637 commits，但开发节奏很快），新功能可能伴随 breaking change。建议：关注 GitHub Releases，大版本前看下 CHANGELOG。
✅ 总结
优点：
- ✅ 完全本地离线，零数据上传（隐私无忧）
- ✅ 免费开源（MIT 协议），无功能阉割
- ✅ 跨平台：macOS / Windows / Linux 通吃
- ✅ 多格式支持：音频 + 视频 + 流媒体链接
- ✅ 三种使用方式：GUI / CLI / HTTP API
- ✅ 多语言转写 + 翻译
- ✅ 多模型可选（按硬件选 Tiny → Large）
缺点：
- ❌ 首次启动要下载模型（几百 MB - 3 GB）
- ❌ 中文准确度略逊于英文
- ❌ 无 GPU 加速时 Large 模型很慢
- ❌ UI 不如 MacWhisper 精致
- ❌ 项目还在快速迭代，可能遇到 breaking change
推荐指数：⭐⭐⭐⭐⭐（5/5）
适合谁：对数据隐私敏感的记者 / 律师 / 研究者，需要批量处理音视频的内容创作者，不想付 Whisper API 费用的独立开发者，Linux 上找不到好用的本地转写工具的用户。MacWhisper 用户如果需要跨平台 / CLI / 自动化，Vibe 是完美的免费替代品。
官方资源：
- 🌐 Vibe 官网
- 📘 官方文档
- 💾 GitHub 仓库
- ⬇️ Releases 下载
- 💬 Discord 社区