Skip to content

README_ZH.md

Latest commit

 

History

History
309 lines (240 loc) · 12.2 KB

README_ZH.md

File metadata and controls

309 lines (240 loc) · 12.2 KB
Raw
DeLive Banner

系统音频捕获 | 多 Provider ASR | 本地优先的 AI 复盘工作台

English | 简体中文 | 繁體中文 | 日本語

版本 许可证 Platform Platform Platform 下载量 Stars 文档

🌐 官方网站 · 📖 项目文档 · 📋 使用指南 · ⬇️ 立即下载

DeLive 是一个面向系统音频的桌面转录工作台。它会把电脑正在播放的声音捕获下来，按所选 Provider 的能力选择最合适的转录链路（共支持 12 种 ASR 后端），把会话保存在本地，并在录制结束后提供完整的 AI 复盘工作台——支持 AI 纠错、富文本 Markdown 对话、结构化 briefing、会话问答和思维导图整理。同时支持上传音频/视频文件进行离线转录，10 种云端引擎均可用于文件转录。

实时转录 字幕悬浮窗 MCP 集成
12 种 ASR 引擎实时转录 可拖拽的置顶字幕悬浮窗 外部 AI 工具通过 MCP 协议访问 DeLive
实时转录 字幕悬浮窗 MCP 集成
AI 概览 AI 纠错 AI 对话
摘要、行动项、关键词与章节 直接纠错 & 先检测后纠错，并排对比 多线程对话，带引用片段
AI 概览 AI 纠错 AI 对话

🎯 核心功能

  • 系统音频采集 — 网页视频、直播、会议、课程、播客，只要共享系统音频即可接入
  • 12 种 ASR 后端 — Soniox、火山引擎、Groq、硅基流动、Mistral AI、Deepgram、AssemblyAI、ElevenLabs、Gladia、Cloudflare Workers AI、本地 OpenAI-compatible、本地 whisper.cpp
  • 文件转录 — 上传音频/视频文件，使用 10 种云端引擎离线转录
  • AI 复盘工作台 — 纠错（直接纠错 / 先检测后纠错）、结构化 briefing、多线程对话、问答、思维导图
  • 悬浮字幕窗 — 始终置顶窗口，支持原文 / 翻译 / 双语模式
  • Soniox 双语与发言人识别 — 实时翻译、双语字幕、speaker diarization
  • 主题功能 — 将会话归类到项目容器中
  • 本地优先 — 会话、标签、主题、设置保存在本地；可选 S3/WebDAV 云备份
  • 开放 API 与 MCP — 本地 REST API、实时 WebSocket、MCP 服务器，供 AI Agent 使用
  • 跨平台 — Windows、macOS、Linux

📖 完整功能介绍：文档

📥 下载安装

Windows macOS Linux

平台 文件
Windows .exe 安装包、便携版 .exe
macOS .dmg、.zip（Intel x64 和 Apple Silicon arm64）
Linux .AppImage、.deb

🔌 支持的 ASR Provider

Provider 类型 传输模式 文件转录 亮点
Soniox V4 云端 实时流式 支持 token 级实时转录、实时翻译、双语字幕、多发言人识别
火山引擎 云端 实时流式 支持 中文场景友好，内置代理
ElevenLabs 云端 实时流式 支持 Scribe v2 Realtime，99 种语言
Mistral AI 云端 实时流式 支持 Voxtral Realtime
Gladia 云端 实时流式 支持 Solaria-1，100+ 种语言，<300ms 延迟
Deepgram 云端 实时流式 支持 Nova-3 / Nova-2 流式
AssemblyAI 云端 实时流式 支持 Universal-3 Pro 流式
Cloudflare Workers AI 云端 窗口批处理 支持 基于 Whisper，低成本含免费额度
硅基流动 云端 窗口批处理 支持 SenseVoice、TeleSpeech、Qwen Omni
Groq 云端 窗口批处理 支持 Whisper large-v3-turbo / large-v3
本地 OpenAI-compatible 本地 窗口批处理 — 适配 Ollama 或兼容网关
本地 whisper.cpp 本地 Electron 管理 — 全本地运行，DeLive 管理 binary 和模型

📖 Provider 配置详情：API Key 指南 · Provider 对比

🚀 快速开始

git clone https://github.com/XimilalaXiang/DeLive.git
cd DeLive
npm run install:all
npm run dev

📖 完整开发指南：环境搭建 · 构建打包 · 测试

🏗️ 系统架构

graph TB
    subgraph "桌面壳层"
        EM[Electron 主进程]
        WIN[主窗口]
        CAP[字幕悬浮窗]
        DESK[托盘 / 快捷键 / 自启动 / 更新]
        SEC[IPC 安全 / SafeStorage / Diagnostics]
    end

    subgraph "渲染层"
        UI[React App]
        STORES[Zustand Stores]
        CFG[Provider 与 Runtime 设置]
        PREV[历史 / 预览 / AI 工作台]
    end

    subgraph "编排层"
        ASR[useASR]
        CAPMGR[CaptureManager]
        PROVSESS[ProviderSessionManager]
        CAPBR[CaptionBridge]
    end

    subgraph "采集管线"
        GDM[getDisplayMedia]
        MR[MediaRecorder<br/>WebM / Opus]
        AP[AudioWorklet<br/>PCM16 16kHz]
    end

    subgraph "Provider 层"
        REG[Provider Registry]
        SON[Soniox]
        VOL[Volcengine]
        ELB[ElevenLabs]
        MIS[Mistral AI]
        GLA[Gladia]
        DPG[Deepgram]
        AAI[AssemblyAI]
        CFL[Cloudflare Workers AI]
        SIL[SiliconFlow]
        GRQ[Groq]
        LOA[Local OpenAI-compatible]
        WCP[whisper.cpp Runtime]
    end

    subgraph "Electron 服务"
        PROXY[内置多 Provider 代理]
        RTM[本地 Runtime 控制器]
    end

    subgraph "持久化"
        REPO[Session Repository]
        IDB[IndexedDB]
        LS[localStorage]
        SAFE[safeStorage]
    end

    UI --> STORES
    UI --> CFG
    UI --> PREV
    UI --> ASR

    ASR --> CAPMGR
    ASR --> PROVSESS
    ASR --> CAPBR

    CAPMGR --> GDM
    GDM --> MR
    GDM --> AP

    PROVSESS --> REG
    REG --> SON
    REG --> VOL
    REG --> ELB
    REG --> MIS
    REG --> GLA
    REG --> DPG
    REG --> AAI
    REG --> CFL
    REG --> SIL
    REG --> GRQ
    REG --> LOA
    REG --> WCP

    MR --> SON
    MR --> LOA
    AP --> VOL
    AP --> ELB
    AP --> MIS
    AP --> GLA
    AP --> DPG
    AP --> AAI
    AP --> CFL
    AP --> SIL
    AP --> GRQ
    AP --> WCP

    VOL --> PROXY
    MIS --> PROXY
    DPG --> PROXY
    AAI --> PROXY
    ELB --> PROXY
    GLA --> PROXY
    WCP --> RTM

    STORES --> REPO
    REPO --> IDB
    REPO --> LS
    CFG --> SAFE

    UI --> EM
    EM --> WIN
    EM --> CAP
    EM --> DESK
    EM --> SEC
    EM --> PROXY
    EM --> RTM
    CAPBR --> CAP

    style UI fill:#61dafb,color:#000
    style EM fill:#334155,color:#fff
    style CAP fill:#f472b6,color:#000
    style REG fill:#f59e0b,color:#000
    style PROXY fill:#10b981,color:#fff
    style RTM fill:#0f766e,color:#fff
    style SEC fill:#ef4444,color:#fff
    style SAFE fill:#a855f7,color:#fff
    style IDB fill:#3b82f6,color:#fff
Loading

📖 详细架构：架构总览 · Provider 架构 · Electron IPC · 数据流 · 安全

📁 项目结构

DeLive/
├── electron/          # Electron 主进程、窗口、托盘、IPC、更新、runtime、Open API 服务器
├── frontend/          # React 渲染层、Provider、Store、UI 组件、测试
├── shared/            # 共用 TypeScript 契约与代理 helper
├── server/            # 主要用于调试的独立代理服务器
├── mcp/               # MCP 服务器，供 AI Agent 使用（Claude、Cursor 等）
├── skills/            # Agent Skill 定义
├── scripts/           # 图标生成、runtime 预置、release notes
├── docs/              # VitePress 文档站源码
├── landing/           # Landing page 源码
└── package.json

📖 完整项目结构：项目结构

🔧 技术栈

层级 技术
桌面应用 Electron 40
前端 React 18.3 + TypeScript 5.6 + Vite 6
样式 Tailwind CSS 3.4
状态管理 Zustand 4.5
测试 Vitest 4（314 测试 / 32 文件）
持久化 IndexedDB、localStorage、Electron safeStorage
打包 electron-builder + GitHub Actions

🌐 开放 API 与 MCP

DeLive 通过本地 REST API、实时 WebSocket 和 MCP 服务器对外开放转录数据——默认关闭，可选 Bearer Token 鉴权。

📖 完整 API 参考：REST · WebSocket · MCP 服务器 · 鉴权 · Agent Skill

⚠️ 注意事项

  • 系统要求：Windows 10+、macOS 13+、或具备 PulseAudio loopback 的 Linux。
  • Provider 代理内置在 Electron 中，正常桌面使用无需单独后端。
  • 托盘行为：关闭主窗口默认隐藏到托盘。
  • 自动更新：支持 Windows、macOS 和 Linux AppImage。

🛡️ Windows SmartScreen 提示

首次运行时 Windows 可能弹出 SmartScreen 警告。点击 更多信息 → 仍要运行。

📄 许可证

Apache License 2.0

🙏 致谢

  • BiBi-Keyboard — 多 Provider 架构灵感
  • 字节跳动 — 火山引擎语音识别服务与飞书 AI 校园挑战赛支持
  • LINUX.DO 社区 — 在这里学到了很多，感谢社区一直以来的慷慨帮助与支持

Star History Chart

Made by XimilalaXiang