基于大语言模型的视频字幕工具,覆盖语音识别、断句、校正、翻译到字幕合成的全流程。
royshil/obs-localvocal
一款 OBS Studio 插件,在本机运行 Whisper 模型,实时将语音转为字幕并翻译。
- Star
- 1,642
- Fork
- 126
- 未关闭 Issue
- 61
- 最近提交
- 5天前
这是什么?
LocalVocal 是一款 OBS Studio 插件,可以将音源中的语音实时转换为画面字幕或文本文件。插件通过 whisper.cpp 在本地运行 OpenAI 的 Whisper 模型,音频完全在本机处理,无需云服务、联网或按量付费。字幕翻译则由 CTranslate2 完成。
字幕可以通过 OBS 文本源显示在画面上,也可以写入 .txt 或 .srt 文件,并与录制时间戳同步,或通过 RTMP 推送到 YouTube、Twitch 等平台。模型方面,既可以使用内置或在线下载的 Whisper 模型,也可以加载自己的 GGML 模型文件。加速后端支持 CUDA、AMD ROCm 的 hipBLAS、Vulkan、OpenCL,以及 Apple 的 Metal 和 CoreML,并保留 CPU 作为回退。
项目为 Windows、Linux(Ubuntu .deb 与 Flatpak)和 macOS 提供预编译安装包,Windows 与 Linux 还区分通用版、NVIDIA 版和 AMD 版。
核心功能
- 01使用本地 Whisper 模型实时转写 100 种语言的语音
- 02支持字幕实时翻译,可使用云端服务或本地 NMT 模型
- 03字幕可显示在 OBS 文本源中,或保存为 .txt 与 .srt 文件
- 04可将字幕发送到 YouTube、Twitch 等 RTMP 直播流
- 05支持 CUDA、AMD ROCm、Vulkan、OpenCL 以及 Apple Metal/CoreML 加速
适用场景
- 在 OBS 直播或录制中添加实时字幕,且音频无需上传云端
- 从录制或实时音频生成 SRT 字幕文件,用于视频剪辑
- 将主播的语音翻译成其他语言,面向海外观众
- 在需要保证音频不离开本机的环境中进行私密转写
快速上手
- 1
从最新发布页面下载适合您操作系统和硬件的安装程序
- 2
运行下载的安装程序或安装包以安装插件
- 3
如需使用GPU加速,请在插件设置中选择GPU加速后端(默认使用CPU)
使用前须知
- 采用GPL-2.0许可证,这是一种限制衍生代码分发方式的 copyleft 许可证。
- NVIDIA和AMD的GPU版本需要额外的驱动程序或CUDA工具包,Windows还需要最新的MSVC运行库。
标签
常见问题
- obs-localvocal 是什么?
- 一款 OBS Studio 插件,在本机运行 Whisper 模型,实时将语音转为字幕并翻译。 LocalVocal 是一款 OBS Studio 插件,可以将音源中的语音实时转换为画面字幕或文本文件。插件通过 whisper.cpp 在本地运行 OpenAI 的 Whisper 模型,音频完全在本机处理,无需云服务、联网或按量付费。字幕翻译则由 CTranslate2 完成。
- obs-localvocal 可以免费使用吗?用的什么许可证?
- obs-localvocal 以 GPL-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- obs-localvocal 还在维护吗?
- 活跃维护中。obs-localvocal 最近一次提交是在 2026年10月15日。
- obs-localvocal 适合用来做什么?
- 在 OBS 直播或录制中添加实时字幕,且音频无需上传云端 从录制或实时音频生成 SRT 字幕文件,用于视频剪辑 将主播的语音翻译成其他语言,面向海外观众 在需要保证音频不离开本机的环境中进行私密转写
- obs-localvocal 怎么安装和运行?
- 从最新发布页面下载适合您操作系统和硬件的安装程序 运行下载的安装程序或安装包以安装插件 如需使用GPU加速,请在插件设置中选择GPU加速后端(默认使用CPU)
- 在哪里获取 obs-localvocal?
- 源代码和安装说明在 GitHub 上:https://github.com/royshil/obs-localvocal
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
通用语音识别模型,可转写多种语言音频、将语音翻译为英文并识别语言。
OpenAI Whisper 语音识别模型的 C/C++ 移植版,可离线、无依赖地在 CPU 和 GPU 上运行语音转文字。
基于 CTranslate2 推理引擎重新实现的 Whisper 语音转文字库,速度更快、占用内存更少。
基于 Whisper 的开源语音转文字工具,支持词级时间戳和说话人分离。
可自托管的实时语音转文字服务,支持流式识别、说话人分离、同声翻译,并兼容 OpenAI 与 Deepgram API。