产品简介
ffvoice-engine 是一个开源离线语音识别和说话人分离引擎，基于Whisper ASR，100%本地运行，无需网络，保护隐私，零API费用。适合开发者集成到AI应用，用于会议记录、直播字幕、教育内容等场景，实现低延迟音频处理。
核心功能
- 实时音频采集与RNNoise降噪
- 离线语音识别（Whisper ASR，支持多种输出格式）
- 实时字幕流生成
- 说话人分离与标注
- AI Agent集成（CLI + MCP server）
快速开始
- 安装依赖（如CMake、FFmpeg、PortAudio，参考平台命令）
- 通过pip安装ffvoice或从源码构建
- 运行Python示例或CLI命令开始语音识别
界面预览
与其他方案对比
| 对比项 | ffvoice-engine | 同类方案 |
|---|---|---|
| 隐私保护 | 100%离线，音频不上云 | 云端服务需上传音频，有隐私风险 |
| 成本 | 零per-minute费用，本地运行 | 商业API按分钟收费（如$0.01-0.024/min） |
| 集成难度 | 开箱即用管道，一键安装 | 需自行拼接PortAudio、RNNoise、Whisper等组件 |
适合谁用
- 需要实时会议记录和说话人标注的职场人士
- 制作在线课程并生成字幕的教育工作者
- 开发本地语音助手或AI Agent的开发者
- 播客制作者和直播主播
下载与版本
当前最新版本为 v0.8.3，发布于 2026-05-19。支持 Linux。点击页面「下载软件」按钮即可下载打包好的版本，根据你的电脑/手机系统来选择对应的软件。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/chicogong/ffvoice-engine