sub-title 实时字幕

监听系统声音，本地 GPU 跑语音识别，实时显示中文字幕——完全本地、开源可改。

Date

2026.07

Technologies

PythonPySide6PyTorchFunASRQwen3-ASRsoundcardPyInstaller

“本地优先、隐私第一：默认零网络，音频不出本机。几款工作方式完全不同的引擎（同步流式、段式、异步回调）通过事件驱动接口共用同一条 pipeline，新增引擎只需实现接口并在工厂注册，pipeline 和 UI 都不用动。”

音频采集

soundcard WASAPI loopback 抓取整个系统声音（16k mono），采集线程经 queue 喂入推理线程

ASR 引擎

事件驱动接口 feed(chunk) → on_result 回调，6 种引擎共用一条 pipeline，设置里随时切换无需改代码

沉浸式字幕窗

无边框半透明置顶字幕条，工具栏随窗口宽度渐进式精简，且与字幕区完全分离——显隐工具栏不会让字幕跳动

桌宠皮肤编辑器

图层 + 逐属性关键帧 + 序列帧动画的可视化编辑器，让字幕条变成带关节动画的桌宠；ZIP 皮肤包导入导出

引擎管理

按需安装：三态状态徽标、扫描系统已有 conda 环境、给出一键复制的安装命令

凭证安全

阿里云 AccessKey 存进系统钥匙串（Credential Manager / Keychain），永不写入 config.yaml

代码规模

约 12,800 行 Python

识别引擎

6 种 ASR 引擎热切换

授权协议

MIT（PySide6 LGPLv3）

完全本地零网络：监听系统音频用本地 GPU 跑 ASR，音频不上传任何服务器
6 引擎热切换：FunASR / SenseVoice / Fun-ASR-Nano / Qwen3-ASR / faster-whisper / 阿里云 NLS，设置里随时换
桌宠皮肤动画系统：逐属性关键帧、关节旋转中心、序列帧、多种播放与触发方式，配套可视化编辑器
凭证不入文件：API 密钥存进操作系统钥匙串，防 git 误提交、截图泄露、同步盘外泄
Pure API 模式打包：PyInstaller 产出约 200MB 的轻量 exe，本地引擎按需安装、装完不用重新打包
License 严谨取舍：选 PySide6(LGPL) 而非 PyQt5(GPLv3)、手写 Fluent QSS，让 MIT 项目可安全链接