[分享创造] 做了个本地音频转写工具：不花一分钱， 76 个模型随取随用， 16 分钟视频 49 秒转完
最近把折腾了一阵子的两个东西都开源了，一条线上的：一个本地跑的语音转写命令行工具，一个长在它上面的 agent 技能（把音视频直接变成一篇能进笔记库的文章）。 为什么不用现成的 云 ASR 按分钟计费 。一场 2 小时的会议、一周十几个播客，成本很快就不对劲，而且音频要上传到别人服务器。 whisper.cpp 手搓太烦 。编译参数、模型格式、VAD 分块、长音频拼接、中文断句……每换一台机器重来一遍。 YouTube/B 站 有现成字幕，但只有一部分视频有 ，而且字幕没标点、断句乱，二次加工成本高。 所以做了两件事： 一个把模型管理干净的 CLI ，和 一个把转写结果整理成笔记的技能 。 一、handy-transcribe：Rust 写 CLI ，模型随取随用 它复用了开源桌面应用 Handy 的批处理流水线（ 解码 → VAD 分块 → transcribe.cpp 推理 → 拼接 → 后处理 ），去掉录音/UI/剪贴板，只留一个无头 CLI 。 完全本地 ：macOS 走 Metal ，其他平台 CPU 。不上传，不需要账号，不按分钟付费。 模型目录内置 76 个、21 个家族
阅读原始来源![原始网页截图: [分享创造] 做了个本地音频转写工具：不花一分钱， 76 个模型随取随用， 16 分钟视频 49 秒转完](/media/5570f667b80769ed97fa4174?v=2026-11-06T15%3A15%3A46.753Z)
来源记录
研究分析
变化记录
来源描述：最近把折腾了一阵子的两个东西都开源了，一条线上的：一个本地跑的语音转写命令行工具，一个长在它上面的 agent 技能（把音视频直接变成一篇能进笔记库的文章）。 为什么不用现成的 云 ASR 按分钟计费 。一场 2 小时的会议、一周十几个播客，成本很快就不对劲，而且音频要上传到别人服务器。 whisper.cpp 手搓太烦 。编译参数、模型格式、VAD 分块、长音频拼接、中文断句……每换一台机器重来一遍。 YouTube/B 站 有现成字幕，但只有一部分视频有 ，而且字幕没标点、断句乱，二次加工成本高。 所以做了两件事： 一个把模型管理干净的 CLI ，和 一个把转写结果整理成笔记的技能 。 一、handy-transcribe：Rust 写 CLI ，模型随取随用 它复用了开源桌面应用 Handy 的批处理流水线（ 解码 → VAD 分块 → transcribe.cpp 推理 → 拼接 → 后处理 ），去掉录音/UI/剪贴板，只留一个无头 CLI 。 完全本地 ：macOS 走 Metal ，其他平台 CPU 。不上传，不需要账号，不按分钟付费。 模型目录内置 76 个、21 个家族
版本与成本证据
可供比较的近期同类记录：“Show HN: Ramen – an AI agent that has to earn its own rent” (Hacker News, 2026年11月8日)；“Show HN: I built an AI code editor that for teams” (Hacker News, 2026年11月8日)。主题相近仅用于导航，未核验其是否属于同一需求或独立证据。
适用与受影响对象
先明确变化影响的现有工作流，再判断是否升级。发布热度不证明效果提升；接口、价格或可用性变化也可能增加迁移工作。
缺失的比较信息
待补齐：新旧行为、受影响套餐与地区、生效时间、兼容性、回退路径及同一工作量下的成本。
采用与迁移验证
保存发布或政策原文，对新旧方案运行同一个任务并比较结果与完整账单；若涉及停服，先核验截止时间再安排迁移。