本地優先的 AI 會議助理
錄音 · 語音轉文字 · AI 校對 · 智慧摘要
中文版 | English
VoxNote 是一款以本地優先設計的桌面會議助理。所有資料儲存於本機 SQLite，錄音檔案存放於本地磁碟，無強制雲端依賴。
支援使用 AssemblyAI（雲端）或 Whisper（本地）進行語音轉文字，並整合多種 LLM 提供商（OpenAI、Claude、Gemini、Ollama、OpenRouter 等）進行 AI 校對與摘要生成。
會議錄音 → 語音轉文字 → AI 校對 → 智慧摘要 → 匯出
- 建立、編輯、刪除會議，支援分類與標籤
- 參與者管理（含常用參與者快速選取）
- 會議模板（預設標題、分類、參與者）
- 桌面錄音流程，支援停止後預覽再儲存
- 關閉主視窗時會先完成進行中的字幕與錄音收尾，再結束應用程式
- Windows 支援「僅麥克風 / 僅電腦音訊 / 麥克風 + 電腦音訊混音」錄音
- 支援上傳音訊檔案（
.wav/.mp3/.m4a/.ogg/.aac/.flac，最大 500MB） - 自訂音訊播放器（播放/暫停、進度條、靜音）
電腦本地音訊錄音目前以 Windows 為優先支援平台，會擷取系統預設播放裝置的聲音。
- 以滑動音訊視窗逐段產生字幕，不必等待整段音訊結束
- 可選擇增量字幕模式：以短解碼間隔重複分析較長視窗，透過連續結果的共同前綴 區分暫定與確定文字；延遲較低，但暫定文字可能在後續解碼時修正
- 支援電腦系統音訊與麥克風來源，系統音訊擷取僅支援 Windows
- 可選擇行程內本地 Whisper 或 VoxNote 自架 ASR 服務
- 可將字幕翻譯成繁體中文台灣用語，並以獨立永遠置頂的浮動視窗顯示
- 字幕僅存在於即時 session，不寫入資料庫、不產生錄音檔、不提供語者分離
- AssemblyAI（雲端）：自動語言偵測、說話者分離
- VoxNote 自架 ASR 轉錄服務：結合 Breeze-ASR-26 與 WhisperX 的自架轉錄端點（需 NVIDIA GPU）
- 本地 Whisper：偵測 PATH 中的
whisper、faster-whisper、openai-whisper
- 修正錯字、同音異字、標點錯誤
- 保留原始時間戳記（
[MM:SS]） - 自動偵測縮略品質，不符標準時提示確認
- 保存原始版本與校對版本，可隨時切換
- 生成結構化 Markdown 摘要（主題、待辦事項、重要時間點等）
- 支援自訂 Prompt
- 整包會議匯出：逐字稿、摘要、音訊一站式打包
- 逐字稿 TXT（原始版 / 校對版）
- 摘要 Markdown
- 全新暖色調檔案館風格主題
- 垂直單欄會議列表佈局，強調視覺層級
- 純文字符號導航列，優化可讀性
| 層次 | 技術 |
|---|---|
| 桌面框架 | Tauri 2.0 |
| 後端 | Rust + sqlx（SQLite） |
| 前端 | Vanilla TypeScript + Vite |
| AI 呼叫 | reqwest（HTTP）— 無第三方 AI SDK |
| 設定儲存 | TOML（AppData 目錄） |
src/ # 前端（Vanilla TypeScript）
├── api/ # Tauri invoke 封裝層
├── components/ # DOM 元件
├── pages/ # 頁面渲染（Hash Router）
└── types/index.ts # 全域型別定義
src-tauri/src/ # Rust 後端
├── commands/ # Tauri IPC handlers
├── db/ # SQLite CRUD + migration
├── ai/ # LLM 統一呼叫入口（call_llm）
├── asr/ # 語音辨識（AssemblyAI + 自架服務 + 本地 Whisper）
├── live_caption/ # 即時字幕 session、分段轉錄與事件推送
└── config/ # AppConfig 讀寫
- Windows 10 / 11（x64）
- macOS 12+（Apple Silicon 或 Intel）
- Node.js 18+（或 Bun）
- Rust 1.80+（含
cargo） - Tauri CLI v2
Windows 額外需要（C++ Build Tools）：
winget install Microsoft.VisualStudio.2022.BuildTools
即時字幕的行程內本地 Whisper 另外需要 LLVM（含 libclang）與 CMake，兩者是
whisper-rs-sys 建置所需。若要啟用 CUDA GPU 加速，還需要 CUDA Toolkit 12.8
或更新版本；預設建置不包含 CUDA，避免沒有 CUDA 的環境無法編譯或執行。
# 確認基本工具
cmake --version
# CPU 版本（預設）
cargo build --manifest-path src-tauri/Cargo.toml
# 選用：CUDA GPU 版本
cargo build --manifest-path src-tauri/Cargo.toml --features live-caption-cuda若編譯時 cmake 找不到目標顯卡的 CUDA 架構（例如新款顯卡未被預設架構清單涵蓋），
需另外指定 CMAKE_CUDA_ARCHITECTURES 環境變數。可用 nvidia-smi --query-gpu=compute_cap --format=csv
查詢顯卡的 compute capability（例如 12.0 對應 120）。
打包 CUDA 版安裝檔請用：
bun run tauri:build:cuda此指令固定以 CMAKE_CUDA_ARCHITECTURES=120（RTX 50 系列 / sm_120）建置；
若目標顯卡架構不同，需修改 package.json 中 tauri:build:cuda script 的對應值。
安裝完成後的應用程式名稱與 CPU 版相同（皆為 VoxNote），僅安裝檔檔名會加上
-CUDA 後綴以便區分（如 VoxNote-CUDA_x.x.x_x64-setup.exe），
與一般 CPU 版（VoxNote_x.x.x_x64-setup.exe）不會互相覆蓋建置產物。
由於兩者的應用程式識別碼相同，同一台機器只能安裝其中一個版本，
安裝其中一版會覆蓋另一版。
git clone https://github.com/chinglee17/voxnote.git
cd voxnotenpm install
# 或使用 bun
bun install# 僅啟動 Vite 前端（port 1420）
npm run dev
# 啟動完整 Tauri 應用（含 Rust 後端，首次編譯約 2-5 分鐘）
npm run tauri devnpm run tauri build產出物位於 src-tauri/target/release/bundle/。
啟動應用後，前往「設定」頁面設定 AI 供應商。
| 供應商 | 需要 API Key | 說明 |
|---|---|---|
| OpenAI | 是 | GPT-4o 等 |
| Claude | 是 | Anthropic Claude 系列 |
| Gemini | 是 | Google Gemini 系列 |
| OpenRouter | 是 | 多模型代理 |
| Ollama | 否 | 本地 LLM，需先安裝 Ollama |
| 自訂端點 | 可選 | 任何 OpenAI 相容 API |
# 安裝並執行 Ollama
ollama serve
# 拉取模型（範例）
ollama pull llama3.2
ollama pull qwen2.5在 VoxNote 設定中填入 Endpoint http://localhost:11434 並選擇模型即可。
- 前往 AssemblyAI 申請 API Key（有免費額度）
- 在 VoxNote 設定 → ASR 供應商選「AssemblyAI」，填入 API Key
位於 server/，以 Breeze-ASR-26（繁體中文台灣用語最佳）搭配 WhisperX（詞級對齊與語者分離）提供 OpenAI 相容的轉錄端點，供自有環境部署。
狀態：API、Docker 與部署契約已完成，尚未在具備 GPU 的機器上實機驗證轉錄品質與效能。
- 具備 NVIDIA GPU 的機器（含 Driver、Docker Engine、NVIDIA Container Toolkit）
- Hugging Face access token（啟用語者分離時所需）
- 將 Breeze-ASR-26 權重轉為 CTranslate2 格式（約 6GB）
cd server
docker compose up -d --build
curl http://localhost:8000/health完整部署步驟（模型轉檔、pyannote 授權、環境變數、小 VRAM 機器調校）詳見 server/README.md。
設定 → 語音轉錄 → 選擇「VoxNote 轉錄服務」，Base URL 填入服務位址（例如 http://192.168.0.10:8000）。
本服務預設無驗證機制，請部署於受信任的網路環境。
安裝以下任一工具並確保在系統 PATH 中可被呼叫：
# 選項 A：openai-whisper（Python）
pip install openai-whisper
# 選項 B：faster-whisper（較快）
pip install faster-whisper
# 選項 C：whisper.cpp（C++，效能最佳）
# 詳見 https://github.com/ggml-org/whisper.cppVoxNote 啟動時會自動偵測已安裝的工具，在設定頁面中選取即可。
即時字幕使用 whisper-rs 在應用程式內載入 GGML 模型，不使用外部
whisper 執行檔，也不會將選用本地 Whisper 的音訊送往外部服務。
請自行下載 Whisper GGML .bin 模型，建議先使用 small；若硬體記憶體足夠再使用
medium。模型下載完成後，前往「設定」→「即時字幕」→「GGML 模型檔」選取檔案。
模型檔可從 whisper.cpp models 取得，
例如 ggml-small.bin 或 ggml-medium.bin。模型權重不應提交至 Git 儲存庫。
- 在「設定」→「即時字幕」選擇轉錄後端、音訊來源、視窗長度與顯示模式。
- 開啟左側「即時字幕」頁面並按下「開始即時字幕」。
- 將出現的無邊框字幕視窗拖曳到影片或會議視窗上方；右下角控制點可調整大小。
- 即時字幕與一般桌面錄音互斥，停止其中一個後才能啟動另一個。
翻譯功能會逐段呼叫目前的 LLM 設定。長時間使用雲端 LLM 可能累積費用；本地 Ollama 翻譯與 Whisper 會共用系統記憶體／GPU VRAM，請避免同時載入過大的模型。
即時字幕的來源語言、遠端 ASR 端點與逾時秒數（「即時字幕」頁）與批次逐字稿的 對應設定（「設定」頁）彼此獨立，互不共用：
| 設定項 | 批次逐字稿 | 即時字幕 |
|---|---|---|
| 來源語言 | asr_language（設定頁） |
live_caption_language（即時字幕頁，預設 auto） |
| 自架 ASR 端點 | local_asr_base_url（設定頁） |
live_caption_remote_base_url（即時字幕頁；留空則回退沿用批次端點） |
| 逾時策略 | 分鐘級（配合長錄音處理） | 秒級（live_caption_remote_timeout_seconds，預設 8 秒，避免卡住後續視窗） |
此設計對應兩種典型情境可能同時存在、且語言相反的使用方式：
- 批次中文會議：以中文錄音檔跑批次逐字稿，
asr_language設為zh。 - 即時英文影片字幕：即時字幕來源語言另設為
en（或auto），指向另一個 以英文低延遲模型部署的自架 ASR 端點，與批次流程使用的中文模型分開。
若僅部署單一自架 ASR 服務且兩種情境的語言相同，可將即時字幕端點留空，
系統會自動回退沿用批次端點；server/README.md 另說明雙實例（批次／即時）
部署的 gateway 分流方式。
即時字幕設定中的「增量字幕模式」預設關閉，以維持既有視窗式行為。啟用後， 「視窗長度」代表每次送入 ASR 的上下文長度，「增量解碼間隔」代表多久重新解碼 一次，兩者是獨立參數。解碼間隔必須小於視窗長度，例如 5 秒視窗搭配 800 毫秒 間隔；視窗越長通常較有利於辨識準確度，間隔越短則較快看到暫定文字，但會提高 CPU/GPU 負載。增量端點不可用時，系統會提示並回退至既有視窗式輸出。
歡迎提交 Issue 與 Pull Request。
- Rust 錯誤處理：使用
?或anyhow，禁止.unwrap() - 新增後端功能：在
src-tauri/src/commands/新增 command，並在src-tauri/src/lib.rs注册 - 新增前端 API 呼叫：在
src/api/對應檔案封裝，禁止在頁面 / 元件直接呼叫invoke() - DB schema 變更：使用
ALTER TABLE（向下相容），禁止刪除現有欄位 - 主鍵一律使用 UUID v4 字串
feature/功能名稱
fix/問題描述
VS Code + Tauri + rust-analyzer
本專案使用 Tauri 建置