本地优先的音视频转写与字幕工作台
把媒体变成可编辑字幕：本地与在线 ASR、任务恢复、不可变版本历史、多格式导出，
并可让 Ollama 或 OpenAI 兼容 LLM 核对与翻译字幕。开源、离线可用、数据归你。
当前源码版本为 0.4.0，适合试用和反馈，还不是稳定版。
| 运行方式 | 支持范围 |
|---|---|
| macOS 桌面端 | Apple Silicon，Tauri 2 + 内置 FastAPI sidecar |
| Windows 桌面端 | Windows 10/11 x64，Tauri 2 + 内置 FastAPI sidecar，NSIS 安装包 |
| Docker Web | Linux CPU 容器，网页与 API 同源，数据持久化到 /data |
| Linux 原生桌面端 | 暂未提供 |
| 签名、公证、自动安装更新 | 暂未提供；桌面端支持应用内检查并下载更新，安装仍由用户完成 |
| 模型权重 | 按需下载，不包含在桌面安装包或 Docker 镜像中 |
重要素材请保留原件，升级前先备份。Provider 密钥目前保存在本地 SQLite 数据库中，未接入系统钥匙串。Docker 默认只允许本机访问，不应直接暴露到公网。
- 拖入单个或多个音频、视频，预检音轨、格式、时长和分段策略。
- 使用 Whisper、Faster Whisper、MLX Whisper、SenseVoice、Paraformer、Fun-ASR-Nano、Qwen3-ASR、Granite Speech、Cohere Transcribe、ARK-ASR、Voxtral Mini、MOSS-Transcribe-Diarize，或在线 ASR Provider 转写。
- 三栏任务中心：任务列表、波形播放器与转写结果、状态与导出同屏联动。
- 在"编辑字幕"模式中直接修改分段文字，批量保存为一个新的不可变版本。
- 保留转写、重新转写、手工编辑、恢复、后处理和 AI 修改形成的不可变版本。
- 导出 TXT、SRT、VTT、ASS、JSON 和 Markdown。
- 模型管理行式列表：暂停、继续、停止、重试和删除下载，查看兼容性、天梯对比与磁盘占用。
- 配置 Ollama、MiniMax、Kimi、DeepSeek、Qwen、GLM 或其他 OpenAI 兼容 LLM。
- AI 工作台整合字幕核对、字幕翻译与对话，逐句试听、逐条审阅后才生成新版本。
- 句段试听默认严格按时间轴播放，可在设置中为前后各增加 0.5–3 秒冗余；播放条可随时接管为连续自由播放。
- 界面个性化：亮色/暗色主题、强调色、界面密度、侧边栏模式、中文/英文界面。
- 在"设置 → 关于"查看版本、作者与支持入口，选择稳定版或预发布版，并检查和下载桌面更新。
- 在"设置 → 转写默认值"把常用本地模型或线上接口设为默认模型，并选定默认转写语言（含自动识别），新建转写时自动套用。
任务中心把任务列表、波形播放器、转写结果和任务状态放在同一个三栏工作台中；点击分段左侧的播放按钮即可从该句起点试听。切换到"编辑字幕"后，每一行文字都可直接修改，确认无误后点击右上角"保存更改"，一次保存为一个新的字幕版本：
接入 Ollama 或任意 OpenAI 兼容 LLM，自动核对转写字幕中的错字、漏字和明显识别错误。每条建议都给出原文、修改后文本和修改原因，并可点击"播放这句话"试听对应片段；明确勾选后才会生成新字幕版本：
保留原字幕，支持多语言互译，并以原文/译文对照展示；可导出译文或双语字幕：
在"AI → 对话"中直接用已配置的 LLM 提问：询问软件用法（内置离线答疑知识库），或绑定一个字幕任务后让它总结内容、查找某句话及其时间位置；回答流式呈现，引用片段可逐条试听，会话本地保存：
行式列表集中管理本地 ASR 模型：筛选、搜索、下载控制、默认模型联动，并附速度/准确率/能力天梯对比：
需要 Docker Engine 24+ 和 Docker Compose v2。建议至少准备 8 GB 内存和 15 GB 可用空间；大模型还需要更多空间与内存。
git clone https://github.com/Goldloli/asrbox.git
cd asrbox
cp .env.example .env
docker compose up -d --build浏览器打开 http://127.0.0.1:17494。查看状态和日志：
docker compose ps
docker compose logs -f asrbox数据库、媒体、字幕、设置、模型和缓存都在名为 asrbox-data 的 Docker volume 中。docker compose down 不会删除它；docker compose down -v 会永久删除数据。
模型与 Hugging Face、ModelScope、Torch 缓存可在"设置 → 存储与诊断"中迁移到统一存储根。桌面版可选择本地或已挂载外接磁盘；Docker 版必须先在 compose.yaml 中挂载宿主机目录并通过 ASRBOX_MODEL_STORAGE_ROOTS 声明允许的容器挂载点，Web 页面只显示容器路径。完整配置与恢复步骤见 Docker 部署指南。
默认配置只绑定 127.0.0.1。手机或其他局域网设备访问时，在 .env 中设置：
ASRBOX_BIND_ADDRESS=0.0.0.0
ASRBOX_API_TOKEN=使用-openssl-rand-hex-32-生成的长随机值重启后用 http://主机局域网IP:17494 打开，在"设置 → 通用 → API 令牌"输入同一令牌。ASRbox 没有内置 TLS、多用户账号或权限系统；局域网以外请使用可信 VPN，或带 HTTPS 和认证的反向代理。
完整升级、备份、Ollama 连接、卸载和排障步骤见 Docker 部署指南。
从 v0.4.0 Release 下载对应平台的安装包（macOS Apple Silicon 为 DMG，Windows x64 为 NSIS 安装程序），并校验 SHA256SUMS.txt。
桌面端也可在"设置 → 关于"中检查 GitHub Release。默认会在启动约 10 秒后检查，此后最多每 24 小时自动检查一次；可以关闭自动检查或应用内通知，也可以随时手动检查。发现新版本后可在应用内把安装包下载到系统"下载"目录，查看进度并取消或重试。ASRbox 只接受官方 Release 中与当前平台匹配的资源，并根据同一 Release 的 SHA256SUMS.txt 校验；校验成功后才允许打开。
下载完成不等于自动安装。请先完成转写和模型下载等任务，正常退出 ASRbox，再打开安装包手动替换旧应用。Web 版只显示构建版本和 GitHub Releases 入口，不会把桌面安装包下载到服务器。
当前包未签名、未公证（未购买 Apple Developer Program 证书），macOS 可能直接提示 "ASRbox.app"已损坏，无法打开：
这是 Gatekeeper 对未签名应用的常见提示，并非文件真的损坏。把应用拖入"应用程序"后，在终端执行一次以下命令，清除下载文件的隔离属性即可正常打开：
xattr -cr /Applications/ASRbox.app也可以在首次打开时右键应用选择"打开"，或在"系统设置 → 隐私与安全性"中允许打开。
Windows 安装包未进行代码签名，运行时 SmartScreen 可能提示"Windows 已保护你的电脑"：点击"更多信息"→"仍要运行"即可。安装为当前用户安装，不需要管理员权限。
CUDA 加速（可选，仅 NVIDIA 显卡）： 在"设置 → 显卡加速"页打开开关，应用会从当前版本对应的 GitHub Release 一次性下载约 2.6GB 的加速套件（torch 2.11.0+cu128），逐卷与逐文件 SHA-256 校验通过后自动安装并重启后端；之后本地模型转写使用 GPU，关闭开关即回退 CPU。套件安装后约占 4GB 磁盘，启用失败（如驱动过旧）会保持 CPU 并在设置页显示原因；应用升级后若套件与新版后端不匹配会标记"已失效"，按提示重新下载即可。macOS 版无此开关，继续使用既有的 Apple Silicon 加速路径。
桌面端在 127.0.0.1:17494 启动内置后端，每次启动生成仅在内存中的 API token；退出应用会停止 sidecar。删除应用不会删除任务、模型或备份。
- 在"模型"页下载模型。桌面 Apple Silicon 可先试
mlx-whisper-turbo；Docker 建议先试faster-whisper-base或faster-whisper-small。 - 在"新建转写"选择音频或视频。
- 选择本地模型或在线平台，设置语言、时间戳和分段选项。
- 提交后在"任务中心"查看进度、日志和转写结果。
- 在"编辑字幕"中修改文字，或导出 SRT、VTT、ASS、TXT、JSON、Markdown。
ASRbox 注册 25 个本地模型，覆盖 Whisper 系、Faster Whisper、FunASR（SenseVoice / Paraformer / Fun-ASR-Nano）、Qwen3-ASR、Granite Speech、Cohere Transcribe、ARK-ASR、Voxtral Mini、FireRedASR2、MLX Whisper，以及端到端说话人分离模型 MOSS-Transcribe-Diarize；Docker 部署额外提供 2 个仅服务器端的 NeMo 模型（Parakeet TDT / Canary，需要 NVIDIA GPU）。运行参数的模型选择器和"模型"页会标出每个模型支持 CPU、NVIDIA GPU 或 Apple GPU；这是支持能力，实际使用的设备仍取决于当前电脑与可用运行时。Docker 是 Linux CPU 运行时，不支持 Apple 专用的 MLX；模型页面会把 MLX 标为不兼容并阻止下载。模型选择、体积、来源和许可说明见模型指南。
- 打开"设置 → AI LLM 提供商"，新增并测试一个提供商。
- Ollama 不需要接口密钥；Docker 连接宿主机 Ollama 时使用
http://host.docker.internal:11434/v1。 - 打开左侧"AI 工作台"，选择一个已完成且有字幕版本的任务。
- 选择提供商并开始"字幕核对"。
- 页面默认只展开 LLM 发现的建议；正确段落按相邻区间分别折叠，可逐段展开。
- 勾选要采纳的建议后点击应用。未勾选的建议不会改字幕，应用结果会创建新版本。
连接失败、鉴权失败、服务端错误、上下文过长和返回格式错误会分别提示；只有 LLM 正常完成且没有建议时，才显示"没有发现需要修改的内容"。LLM 失败不会影响已经成功的转写。详见 AI 字幕核对指南。
桌面数据默认位于：
macOS: ~/Library/Application Support/com.goldloli.asrbox/
Windows: %APPDATA%\com.goldloli.asrbox\
Docker 数据统一位于容器 /data，由 asrbox-data volume 持久化。这里可能包含原始媒体、提取音频、字幕版本、导出、模型、日志和 Provider 密钥，备份时应按敏感数据处理。
本地 ASR 不会把媒体发送给 ASR 服务，但下载模型仍会访问 Hugging Face 或 ModelScope，桌面自动或手动检查更新会访问 GitHub。在线 ASR 会把媒体或音频发送给所选第三方。LLM 核对只发送字幕段落文字、段落编号和有限相邻上下文，不发送音频或文件路径；远程 LLM 仍属于第三方处理。
桌面开发目标使用 Bun 1.3.8、Rust stable，支持 macOS Apple Silicon 与 Windows x64；Python 版本按平台固定：macOS 用 3.13（requirements-dev.lock），Windows 用 3.14（requirements-windows.lock，Windows 上 3.11/3.13 存在 asyncio proactor 断连污染问题，详见 openspec/changes/windows-desktop-support/design.md D2b）；Docker 运行时使用独立的 Linux CPU 依赖锁。
bun install
python -m venv .venv
# macOS / Linux: .venv/bin/python -m pip install pip==25.3 && .venv/bin/pip install -r requirements-dev.lock
# Windows: .venv\Scripts\python.exe -m pip install pip==25.3 和 -r requirements-windows.lock
npm run dev:server
npm run dev:web桌面开发：npm run dev:desktop。容器构建：npm run build:docker。详细贡献流程见 CONTRIBUTING.md。
npm run typecheck
npm run build:web
npm run test:backend
npm run test:e2e:llm
npm run test:docker
npm run check:open-source桌面安装包：
# 先安装打包依赖（路径同上，区分 .venv/bin 与 .venv\Scripts）
.venv/bin/pip install -r requirements-build.lock
npm run build:desktopmacOS 输出位于 tauri/src-tauri/target/release/bundle/dmg/，Windows 输出位于 tauri/src-tauri/target/release/bundle/nsis/。真实模型测试需要自行准备合法媒体和已下载模型，不属于默认 CI。
app/ React 路由、组件、状态和共享 UI
web/ Vite Web 入口
backend/ FastAPI、任务、ASR、LLM、版本、存储和导出
tauri/ macOS / Windows 桌面壳与 sidecar 生命周期
Dockerfile Linux CPU 单容器构建
compose.yaml 持久化和网络部署入口
scripts/ 构建、测试、审计和发布门禁
openspec/ 已接受规格与活动变更
third_party/ffmpeg/ 桌面内置 FFmpeg 的许可与来源材料
ASRbox 源代码采用 MIT License。FFmpeg、模型、Python/JavaScript 运行库和其他第三方组件分别受其自身许可证约束。模型权重不会随仓库、DMG 或 Docker 镜像分发。