100% 本地离线运行的安卓实时字幕与语音转录工具。无需联网与云端 API,支持手机内录与麦克风收音、悬浮字幕、说话人区分、录音回放校对及 SRT / TXT 导出。
- 双音源采集:支持 Android 10+ 手机内录(视频、网课、播客、会议)与麦克风收音一键切换。
- 多模型离线推理:内置模型管理页,支持一键下载或本地导入,支持 CPU / NNAPI (NPU) 切换及实时耗时与实时率(RTF)展示。
- 悬浮字幕窗:固定高度防遮挡、内部上下滚动回看、四角隐形热区自由缩放、一键最小化为可拖动悬浮球、一键返回主界面。
- 抗 BGM 断句:Silero VAD 支持自定义人声检测阈值(过滤背景音乐)、句首回溯防丢清辅音及长句强制切段。
- 说话人管理:支持实时说话人区分、整段录音离线重识说话人(全局聚类)、合并说话人与批量重命名。
- 校对与导出:历史详情页支持录音回放与字幕同步高亮跟随、点击句子跳转播放、修改错别字、导出/分享
.srt与.txt。 - 系统集成:状态栏下拉快捷磁贴、桌面长按快捷方式、Material You 动态主题色、悬浮窗与后台保活权限引导。
| 模型 | 体积 | 说明 |
|---|---|---|
| Paraformer-zh Small (INT8) | ~80 MB | 极速中英双语,单句延迟 < 0.1s |
| SenseVoice Small (INT8) (推荐) | ~238 MB | 中/英/日/韩/粤多语种,速度与准确率最均衡 |
| Qwen3-ASR 0.6B (INT8) | ~839 MB | 高精度语音大模型,标点与复杂语境更强 |
| Silero VAD | ~2 MB | 语音端点检测与自动断句 |
| 3D-Speaker (ERES2Net) | ~40 MB | 说话人声纹提取与区分 |
前往 Releases 下载 LocalLiveCaption-v1.0.0-arm64.apk 安装(需 Android 10+ / arm64-v8a),打开后在 「模型管理」 下载所需模型即可离线使用。
- 克隆仓库:
git clone https://github.com/SaitoTommo/Android_Local_Live_Caption.git
- 从 k2-fsa/sherpa-onnx Releases 下载 Android AAR(如
sherpa-onnx-2.0.2.aar)放入app/libs/。 - 使用 Android Studio 打开构建,或运行:
gradle :app:testDebugUnitTest :app:assembleRelease
注:极少数禁止音频捕获(
allowAudioPlaybackCapture="false")的 DRM 应用受系统限制无法内录,可切换至麦克风模式。
sherpa-onnx · Qwen3-ASR · SenseVoice · FunASR · Silero VAD · 3D-Speaker