听写会议字幕七款开源转写掘金

当 Otter.ai 一个席位每月收 30 美元、recall.ai 按会议分钟计费贵到让创业公司肉疼、Sonix 转写一小时要 22 美元时，"语音转文字"这门生意正在被开源项目从底层掀翻。本周追踪 GitHub 趋势，发现一批围绕语音识别（ASR）而非语音合成（TTS）的开源工具集体爆发：它们覆盖会议记录、会议机器人 API、自托管转写平台、全局听写、字幕编辑、实时翻译、直播字幕七大场景，背后是 OpenAI Whisper、NVIDIA Parakeet 等开源模型的成熟。这批项目的共同点很明确——把"按月订阅/按分钟计费"的转写 SaaS，变成"一次部署、永久免费、数据留在自己机房"的私有资产。本文从变现潜力、训练营适用性、技术新颖度、维护活跃度四个维度，拆解七个可直接商用化的开源转写项目。

筛选标准

逐个深度分析

1. Meetily — 本地优先的 Otter.ai 替代品

维度	权重	说明
变现潜力	40%	能否包装成付费产品？目标用户是谁？对标 SaaS 的定价空间
训练营适用性	25%	能否在 2–4 小时教会学员部署并产出成果
技术新颖度	20%	是否代表本地优先、隐私优先的前沿方向
维护活跃度	15%	最近是否有 commit、Issue 响应、版本迭代

核心功能：一句话——在本地电脑上捕获、转写、总结会议，全程 Whisper 转写 + Ollama 本地大模型摘要，数据不出本机。

上手难度：⭐⭐（2/5）。提供一键脚本，Whisper + Ollama 环境配好后即可录音出纪要，是七个项目里最贴近终端用户的。

变现评估：对标 Otter.ai（$16.99–$30/月/人）与 Fireflies.ai。三条变现路径——(1) 面向律师、医生、咨询师、记者等强隐私人群卖"本地化会议纪要"托管服务，按席位 ¥99/月或一次性 ¥999 买断；(2) 卖中文垂直优化包（替换默认英文 Whisper 模型、训练中文会议术语词表、接入国产大模型），¥299 专栏 + ¥999 工具；(3) 做律所/医院私有化部署项目，单合同 ¥3 万–¥10 万。MIT 协议给了商用最大自由度。

训练营评估：绝佳教材。4 小时课程可让学员从零跑通"录音→转写→AI 纪要→导出 Markdown"全链路，学员当场带走一个能用的私人会议助手。定价 ¥99–¥199 的入门营可规模化招生。

竞品与差异化：相对 Otter，核心卖点是数据零上传（合规、GDPR、医疗 HIPAA 场景刚需）；相对 Whisper 原生，它把"转写+摘要+管理"封装成开箱即用的产品。差异化护城河在于中文场景的二次开发。

2. Vexa — 自托管的会议机器人 API（recall.ai 替代品）

项目地址：github.com/Vexa-ai/vexa ｜ ⭐ 快速增长中｜最近更新：本周活跃｜许可证：Apache 2.0

核心功能：开源自托管的会议机器人 API，自动加入 Google Meet、Microsoft Teams、Zoom 会议，实时转写并返回结构化数据。

上手难度：⭐⭐⭐⭐（4/5）。需要理解会议协议逆向、Docker 编排、无头浏览器自动化，是七个项目里技术门槛最高的，但也最值钱。

变现评估：对标 recall.ai（按会议分钟计费，企业版月费动辄数千美元）与 tl;dv。这是纯 To-B、高客单价的赛道——(1) 自建后给中小 SaaS 客户提供"会议机器人即服务"，按接入会议数收费，¥0.5–¥2/分钟远低于 recall.ai；(2) 给 CRM/销售团队做集成（自动转写客户会议→写回 CRM→生成跟进任务），客单价 ¥9999 起；(3) 训练营面向后端开发者，¥499–¥999 教"如何自建 recall.ai"。

训练营评估：适合进阶开发者训练营（4–6 小时），学员产出是一个能自动加入 Zoom 录音的机器人。不适合纯小白。

竞品与差异化：recall.ai 闭源且贵，Vexa 的护城河是"自托管=成本可控+数据自主"。同赛道还有 Attendee（attendee-labs/attendee，主打 Zoom RTMS 实时媒体流），可与 Vexa 互补。

3. OpenTranscribe — 自托管转写平台（Sonix/Trint 替代品）

核心功能：容器化的 Web 应用，上传音视频即可转写，内置说话人分离（diarization）、全文搜索、AI 摘要、团队协作。

上手难度：⭐⭐⭐（3/5）。Docker Compose 一键部署，难点在说话人分离模型的调优。

变现评估：对标 Sonix（$22/小时）、Trint（$60–$80/月）、Happy Scribe。变现路径清晰——(1) 给播客主、研究员、法学院学生、市场调研公司提供"上传即转写"的托管 SaaS，¥29/月或 ¥0.5/分钟；(2) 企业内部知识库集成（会议/访谈自动入库可检索）；(3) 垂直包：中文播客转写、法庭录音转写等专用模型，¥299 专栏。

训练营评估：3 小时课程可让学员部署自己的"Sonix"，学员产出是一个可分享链接的转写网站。适合内容创作者与运营人员训练营，¥149–¥299。

竞品与差异化：相比 Vexa（实时会议机器人），OpenTranscribe 定位异步批量转写，更适合播客、访谈、讲座等已录制内容；说话人分离是相对 Meetily 的功能长板。

4. Whispering（Epicenter）— 全局听写（Superwhisper 替代品）

项目地址：github.com/braden-w/whispering（已并入 EpicenterHQ/epicenter）｜ ⭐ 约 3.4k ｜最近更新：本周活跃

核心功能：按下快捷键→说话→文字自动输入到任意应用的光标处，跨平台全局语音听写，支持本地 Whisper 与 OpenAI API。

上手难度：⭐⭐（2/5）。装上即用，配好快捷键和模型即可，是终端用户最易上手的工具。

变现评估：对标 Superwhisper（$15/月）、Mac 自带听写、Dragon NaturallySpeaking。变现点——(1) 给写作者、程序员、医生卖"中文优化听写"配置包+预设模板，¥99–¥199；(2) 针对中文/方言优化 Whisper 模型的微调服务；(3) 与笔记软件（Obsidian/Notion）深度集成的插件包。

训练营评估：1–2 小时极简课程，适合效率工具爱好者训练营，¥49–¥99。学员当场能把"按住说话→自动出文字"跑通，获得感极强。

竞品与差异化：相对 Superwhisper 的优势是完全开源、可本地、可自定义模型；相对系统自带听写，准确率与可定制性碾压。注意该项目正向 Epicenter 生态迁移，二次开发需关注新仓库。

5. Subtitld — 开源字幕编辑器（Subtitle Edit 替代品）

核心功能：开源字幕软件，支持创建、编辑、转写字幕，处理 SRT/SSA/VTT 等格式，集成 AI 自动生成字幕。

上手难度：⭐⭐（2/5）。图形界面，类似 Aegisub/Subtitle Edit，创作者上手快。

变现评估：对标 Amara（$24/月起）、Subtitle Edit（功能强但只 Windows）、付费字幕服务。变现路径——(1) 给短视频创作者、YouTuber、在线课程制作者提供"AI 字幕一键生成+精修"工作流教程，¥99 训练营；(2) 针对中文视频的字幕模板、快捷键包、批量处理脚本，¥49–¥99；(3) 给 MCN/教育机构做字幕流水线部署，客单价 ¥5000+。

训练营评估：2–3 小时课程，学员产出是一段带精准双语字幕的视频。适合内容创作者训练营，¥99–¥199，可大规模招生。

竞品与差异化：跨平台（弥补 Subtitle Edit 的 Windows 限制）、集成 AI 转写（传统编辑器没有）、界面现代。差异化在于"AI 生成 + 人工精修"的一体化体验。

6. Whispering Tiger — 全本地实时翻译与转写

核心功能：统一的语音识别 + 实时/批量翻译 + 文字转语音，完全本地运行，支持边说边翻译成目标语言。

上手难度：⭐⭐⭐（3/5）。实时管线涉及 ASR→翻译→TTS 三段，配置项较多。

变现评估：对标 Google 翻译实时模式、Wordly（会议同传 SaaS，按分钟收费）、Microsoft Translator。变现点——(1) 给跨境电商主播、外贸业务员、出境旅游从业者提供"实时中英互译"部署服务，¥299–¥999；(2) 多语种同传插件包（接入本地翻译大模型），¥199；(3) 给展会/国际会议做临时同传系统搭建，单项目 ¥1 万–¥5 万。

训练营评估：3 小时课程，学员产出是一个能实时把中文语音转英文文字/语音的工具。适合外贸/直播从业者训练营，¥199–¥299。

竞品与差异化：完全本地、隐私可控、可自定义模型是相对云翻译的核心优势；三段管线（识别+翻译+合成）一体化是相对单一 ASR 工具的功能长板。

7. LocalVocal（obs-localvocal）— OBS 直播字幕插件

核心功能：OBS 插件，给麦克风/视频源加音频滤镜，实时本地语音识别生成直播字幕，支持实时翻译，无云端依赖。

上手难度：⭐⭐（2/5）。作为 OBS 滤镜安装，主播群体熟悉 OBS 即可上手。

变现评估：对标云端直播字幕服务、剪映自动字幕、各平台付费字幕功能。变现点——(1) 给带货主播、知识博主、游戏主播提供"本地实时字幕+翻译"配置教程，¥49–¥99 训练营，受众基数极大；(2) 针对中文直播优化的模型与字幕样式包，¥29；(3) 给 MCN 机构做多主播批量字幕部署。

训练营评估：1–2 小时极简课程，学员当场在 OBS 里看到自己说话实时出字幕。适合主播/自媒体入门营，¥49–¥99，是引流款产品。

竞品与差异化：相对平台自带字幕，优势是本地运行、零延迟、可离线、支持多平台直播；相对剪映（后期），它是实时直播字幕，场景互补。

项目全景与定位

mindmap
  root((开源语音转写生态))
    实时/会议场景
      Meetily<br/>本地会议纪要(Otter替代)
      Vexa<br/>会议机器人API(recall.ai替代)
      obs-localvocal<br/>OBS直播字幕
    异步/批量场景
      OpenTranscribe<br/>自托管转写平台(Sonix替代)
      Subtitld<br/>字幕编辑器
    听写/翻译场景
      Whispering<br/>全局听写(Superwhisper替代)
      Whispering Tiger<br/>本地实时翻译

quadrantChart
    title 变现潜力 × 上手难度（左下=最佳切入点）
    x-axis "上手难" --> "上手易"
    y-axis "变现弱" --> "变现强"
    quadrant-1 "易上手且高变现"
    quadrant-2 "难上手但高变现"
    quadrant-3 "易上手但低变现"
    quadrant-4 "难上手且低变现"
    "Meetily": [0.75, 0.9]
    "Vexa": [0.2, 0.95]
    "OpenTranscribe": [0.55, 0.75]
    "Whispering": [0.85, 0.6]
    "Subtitld": [0.8, 0.55]
    "Whispering Tiger": [0.5, 0.7]
    "obs-localvocal": [0.9, 0.65]

变现潜力 Top 5 排行榜

排名	项目	变现方向	预估定价
🥇 1	Vexa	会议机器人 API 即服务、CRM 集成、企业私有部署	¥0.5–2/分钟（托管）/ 单项目 ¥3万–10万
🥈 2	Meetily	律师医生等隐私人群的本地会议纪要 SaaS、中文优化包、私有部署	¥99/月或 ¥999 买断 / 项目 ¥3万+
🥉 3	OpenTranscribe	上传即转写托管平台、播客/调研/法务垂直包	¥29/月或 ¥0.5/分钟 / 专栏 ¥299
4	Whispering Tiger	跨境直播/外贸实时同传、展会同传系统搭建	¥299–999 工具 / 项目 ¥1万–5万
5	Subtitld	短视频/课程 AI 字幕工作流、MCN 字幕流水线	¥99 训练营 / 项目 ¥5000+

战略建议：若追求高客单价，押注 Vexa（To-B 会议机器人，对标 recall.ai，单价最高、壁垒最深）；若追求规模化招生，Meetily 与 Subtitld 是训练营引流利器（上手快、获得感强、受众广）；obs-localvocal 与 Whispering 适合做 ¥49–99 的低价引流款，把主播、写作者拉进私域后再向上转化高客单价服务。整条链路的底层红利来自 Whisper/Parakeet 等开源 ASR 模型的成熟——模型免费，封装、中文化、私有化、托管化才是这门生意的利润池。