理应资讯
办公协作智能化

开源本地语音工具 izwi 发布 v0.1.0:转写、说话人区分、语音合成与声音克隆都在本机运行

理应编辑室 ·

开源项目 izwi 发布首个正式版 v0.1.0,主打会议录音等场景的全本地处理:语音转文字、区分说话人、文字转语音和声音克隆均在用户电脑上运行,无需 API key,并可开启兼容 OpenAI 接口的本地服务。

一款名为 izwi 的开源语音工具近日发布了首个正式版 v0.1.0。根据 X 用户 @bufcapy 的介绍,它的卖点是“全本地”:语音转文字、分清谁在说话(说话人区分)、文字转语音以及声音克隆,全部在用户自己的电脑上运行,不需要 API key,也不需要把音频上传到云端。

对于需要整理会议纪要的团队来说,这一点切中了一个常见顾虑:把会议录音交给云端转写服务,意味着客户和管理层的发言内容会存放在第三方服务器上。izwi 的思路是把模型和处理流程都放到本机,录音不离开设备。

在使用形态上,izwi 自带桌面应用和网页界面;同时还能启动一个兼容 OpenAI 接口的本地服务,原先调用云端语音接口的脚本只需修改服务地址即可接入。帖文认为它适合每天要做会议纪要、做播客配音以及对隐私要求较高的用户。

flowchart LR
  A[会议录音] --> B[izwi 本地处理]
  B --> C[语音转文字]
  B --> D[说话人区分]
  B --> E[文字转语音 / 声音克隆]
  B --> F[兼容 OpenAI 接口的本地服务<br/>现有脚本改地址即可调用]
  C --> G[会议纪要]
  D --> G

不过,帖文也提前列出了限制:在 Mac 上,需要 M 系列芯片且系统为 macOS 15 及以上才能获得加速,旧系统会回退到 CPU 运行,速度较慢;Windows 和 Linux 的安装包目前只使用 CPU,NVIDIA 显卡用户需要自行使用 Docker 的 CUDA 版本或从源码编译。该项目当时约 400 个 star,发帖者也表示自己尚未实测效果。帖文还提醒,声音克隆只应用于克隆自己的声音。对企业而言,本地部署能解决数据外流问题,但识别准确率、多人会议中的说话人区分效果以及硬件成本,仍需在自有录音上测试后再决定是否纳入正式流程。

# izwi# 本地语音识别# 会议纪要# 说话人区分# 开源