# noScribe

用于自动音频转录的尖端人工智能技术

[!NOTE]

🚀 noScribe 的新官方网站：https://noscribe.de

了解如何安装和使用该软件，并获取提升转录质量的技巧。

🌐 支持 英语、德语、西班牙语、意大利语和荷兰语。

请更新您的链接。

[!WARNING] 有人注册了域名 noscribe(dot)ai，用于销售转录服务。请远离该平台，我与此事毫无关系。 真正的 noScribe 是免费的，而且永远都会是免费的。这显然是利用我的软件及其多年来积累的声誉牟利的行为。令人非常遗憾。

什么是 noScribe？

• 一款用于为定性社会研究或新闻报道生成 高质量访谈记录 的应用程序
• noScribe 是 免费且开源 的（GPL-3.0），适用于 Windows、MacOS 和 Linux
• 它在您的计算机上 完全本地运行，从而保护您访谈的机密性。无需云端，无后顾之忧
• 它能够区分不同的 说话人，并支持约 60 种语言（多寡不一，详见下文）
• 它内置了一个 优秀的编辑器，用于审查、核对和修正生成的文本
• 它基于多项前沿技术：OpenAI 的 Whisper、Guillaume Klein 的 faster-whisper 以及 Hervé Bredin 的 pyannote

（该转录来自我于 2022 年 5 月与俄罗斯社会学家 Natalia Savelyeva 进行的访谈。）

局限性

• 由于包含大量 AI 模型，下载文件较大（数 GB）。
• 请注意，根据您的设备性能，转录一小时的访谈可能需要长达三小时。
• 音质较差或背景噪音过大的录音会导致转录效果不佳。
• 没有任何自动转录工具能做到完美，通常仍需人工校对。请务必使用 内置编辑器 对转录内容进行全面检查。（另请参阅下方的“影响转录质量的因素”和“已知问题”。）

如果您想了解更多，且能看懂德语，帕德博恩大学的 Rebecca Schmidt 撰写了一篇关于 noScribe 的精彩 评测，其中也讨论了其局限性。此外，德国知名计算机杂志 c't 也在近期的一篇评测中推荐了 noScribe：https://www.heise.de/select/ct/2025/2/2433207582191637980。

为什么叫“noScribe”？

根据 Urban Dictionary，scribe 被定义为 “一个将自己悲惨的人生全部简化为学术上的苦闷与痛苦的人”。我希望这款软件能让您的学术生活少一些痛苦与烦闷，因此得名 noScribe :)

关于我

Kai Dröge，社会学博士（兼具计算机科学背景），定性研究者及教师，现任瑞士卢塞恩应用科学大学 卢塞恩应用科学大学 教师，同时也在德国法兰克福社会研究所 法兰克福社会研究所 工作。

捐赠

noScribe 始终保持免费。然而，开发它确实需要资金投入。我曾购买硬件用于测试，并每年向 Apple 支付开发者证书费用。如果您愿意支持该项目，欢迎通过 Ko-Fi 进行捐赠。感谢！

下载与安装

当前版本号：0.7（参见 变更日志）

所有发布版本均托管于 SWITCHdrive，这是一个面向瑞士高校的安全数据共享平台。

Windows

macOS

Linux

git clone https://github.com/kaixxx/noScribe.git

# 之后的所有操作都在 noScribe 目录中进行。
cd noScribe

# 安装 noScribeEdit
rm -rf noScribeEdit/
git clone https://github.com/kaixxx/noScribeEditor.git noScribeEdit

# 创建 Python 虚拟环境。
python3 -m venv venv

# 执行此命令后，将使用虚拟环境中安装的 Python。此外，所有软件包也将安装于此。每次启动 noScribe 时，请务必先运行此命令。
source venv/bin/activate

# 安装必要的依赖项。
pip install -r environments/requirements_linux.txt
pip install -r noScribeEdit/environments/requirements.txt

# 下载模型文件。这里同时下载了精确模型和快速模型。如果您只使用其中一种，则只需下载相应的模型即可。
rm -rf models/fast
rm -rf models/precise
git clone https://huggingface.co/mukowaty/faster-whisper-int8 models/fast
git clone https://huggingface.co/mobiuslabsgmbh/faster-whisper-large-v3-turbo models/precise

# 运行 noScribe。
python3 ./noScribe.py

旧版本：

• https://drive.switch.ch/index.php/s/EIVup04qkSHb54j

引用（APA 格式）

Dröge, K. (2025). noScribe. 基于人工智能的音频转录（版本 XXX）[计算机软件]。https://github.com/kaixxx/noScribe

使用

设置

• 选择您的 音频文件。NoScribe 支持几乎任何音频或视频格式。您也可以一次选择多个文件进行 批量转录。
• 选择转录文件的 文件名。您还可以选择文件类型：.html 是默认格式，也受 noScribe 编辑器支持。.vtt 是一种视频字幕格式，如果您想将转录导入 EXMARaLDA 进行进一步标注，则尤为有用。*.txt 会将转录导出为纯文本。
• 开始 和 停止 接受 hh:mm:ss 格式的时间戳。使用此功能可将转录限制在录音的特定部分。这在正式转录整个访谈之前，先用一个小样本测试设置时特别有帮助，因为完整访谈的转录可能需要数小时。如果您想转录到音频文件的结尾，请将 停止 留空。
• 语言：选择转录的语言。将其设置为“自动”以检测语言，或选择“多语言”，如果您的音频包含多种语言（实验性功能）。
• 质量：“精确”是推荐设置，可获得最准确的转录。在较慢的设备上，您可以选择“快速”选项。这样速度更快，但后续可能需要更多手动校对。您还可以 安装自定义模型，这些模型针对特定语言等进行了微调。
• 标记停顿：启用后，音频中无人声的部分将被标记为停顿。停顿会以圆括号表示，每秒一个点，例如，两秒的停顿写为“(..)”。超过10秒的停顿则会写成“(XX 秒停顿)”或“(XX 分钟停顿)”。您可以选择标记持续1秒及以上的停顿（“1sec+”）、2秒及以上的停顿（“2sec+”），或仅标记3秒及以上的较长停顿（“3sec+”）。选择“无”可完全禁用此功能。
• 说话人检测：此功能使用 Pyannote AI 模型来识别音频中的不同说话人，并相应地组织转录内容。如果已知说话人数，请选择相应的数字；否则可选择“自动”。选择“无”则会跳过此步骤，从而将处理时间缩短约一半。不过，生成的转录将是一整段连续文本，不会显示说话人切换的标志。
• 重叠语音：启用后，noScribe 会尝试标记两人同时说话的情况。重叠部分会用双斜杠 // 来分隔。（注：此功能尚处于实验阶段。）
• 语流不畅：启用后，常见的语流不畅现象，如填充词（“嗯”）、未完成的词语或句子等，也会被转录出来。请注意，这不是一个简单的开关，而更像是对转录 AI 模型的一种“建议”，其效果有限。
• 时间戳：启用后，noScribe 会在转录中加入 [hh:mm:ss] 格式的时间戳，可以是每次说话人切换时，也可以每60秒插入一次。我个人觉得这些时间戳有些分散注意力，因此默认将其关闭。不过，在某些情况下它们确实很有用。即使时间戳被关闭，要确定特定片段的音频时间码也很简单：只需在 noScribe 编辑器中打开转录文件，浏览文本，相应的时间码就会显示在应用程序右下角。

转录流程

• 如果准备就绪，请点击左下角的 开始 按钮。取消 将终止该进程。
• 请注意，一小时的访谈可能需要长达三小时的处理时间，并且会对您的设备造成较大负担。不建议在电池供电状态下进行此操作。
• 应用程序底部的 进度指示器 会显示当前处理进度。
• 主窗口（日志标签）会显示进度信息和错误提示。在转录的最后一步，它还会打印您的访谈文本。
• 转录文件会每隔几秒钟自动保存一次，保存为指定的文件名。
• 默认情况下，noScribe 会生成 HTML 文件。该文件可以在任何常用的文字编辑器（包括 MS Word、LibreOffice）或定性数据分析软件包（MAXQDA、ATLAS.ti、QualCoder 等）中打开。
• 不过，在使用转录文件之前，您应该先用内置编辑器检查一下。通常总会存在一些错误。

批量转录

（版本 0.7 中新增）

• 主窗口中的“队列”选项卡会显示所有任务的列表及其状态和进度。
• 如果您在另一个任务仍在运行时启动新任务，新任务将排队等待后续处理。
• 若要使用相同设置同时启动多个任务，请在音频文件对话框中选择任意数量的文件。输出文件将自动命名。如有需要，可使用“另存转录为”对话框选择不同的输出文件夹。否则，转录文件将与音频文件存储在同一文件夹中。
• 任务按钮：
  • X 从列表中删除任务，或取消正在运行的任务。
  • ✔ 在内置编辑器中打开转录文件。即使任务因错误或用户取消而未完成，也可通过此按钮查看转录内容。
  • ⟲ 重新启动任务（仅在出现错误或任务被取消时可用）。

noScribe编辑器

随附的编辑器用于检查最终的转录文本。

noScribe编辑器是一个独立的应用程序。转录完成后它会自动打开，但也可以不依赖noScribe单独运行。它包含一些实用功能，可以帮助您检查已完成的转录文本中的错误并进行修正：

• 按下 Ctrl + 空格键（Mac上为^Space）或点击 工具栏中的橙色按钮，即可播放与当前文本位置对应的音频。
• 当前选中的文本会跟随您听到的音频同步移动。如果您想 进行修改，可以用鼠标点击文本中的任意位置，或者使用方向键移动光标。此时音频会停止，您可以开始编辑文本。
• 您也可以再次按下 Ctrl + 空格键或点击橙色按钮来 停止音频。
• 如果您想 加快或减慢音频速度，可以将“播放/暂停音频”按钮旁边的“100%”选项调整为合适的速率。
• 若要更改 发言者姓名，请使用搜索和替换功能，可通过放大镜图标或“编辑”菜单访问。
• 使用工具栏中的加号和减号图标可以 放大或缩小视图。
• 工具栏以及顶部菜单中还提供了 基本文本编辑器的常用功能（如基本文本格式化、剪切、复制与粘贴、撤销与重做）。
• 您常用的 快捷键 也适用（例如，Ctrl+S 保存，Ctrl+F 查找与替换）。所有快捷键都可以在菜单中查看。正如之前提到的，‘Ctrl+Space’ 是您最常使用的快捷键，因为它可以启动或暂停音频。

该编辑器的源代码可在以下链接找到：https://github.com/kaixxx/noScribeEditor

影响转录质量的因素

• 一份 清晰的人声且无环境噪声的良好录音 对高质量的转录至关重要。在录音质量上多花些功夫，将为您后续的手动校对节省大量时间。
• Whisper（驱动noScribe的AI）能够理解约60种不同的语言，但不同语言之间的转录质量差异较大。其中，西班牙语、意大利语、英语、葡萄牙语和德语 的支持效果最佳（更多信息请参见 此处）。
• Whisper 对 方言 的处理能力较好（例如瑞士德语），但在后期校对时可能仍需较多人工干预。

已知问题

• 本软件的输出结果始终需要检查其质量、是否存在误解以及发言者区分是否正确。该软件基于 OpenAI的Whisper模型。典型的词错误率可参考 这里。另请参阅 这篇论文，其中对比了不同转录服务及其错误情况。
• 与其他大型语言模型一样，Whisper 模型有时也会出现 幻觉 现象。这种情况在静音片段或背景噪音被误认为“文本”时尤为常见（更多信息请参见 康奈尔大学的一项研究）。我们使用语音活动检测（VAD）尽可能过滤掉无语音的部分。
• 更严重的是，用户还报告了一些案例，即模型生成了在语法上符合上下文但实际上并未出现在原始音频中的词语。这类错误尤其难以发现。
• 人名、地名或组织名称 往往会被错误转录。
• Whisper AI 有时可能会陷入 重复文本的循环，尤其是在较长的音频文件中。如果发生这种情况，建议将音频分成较短的段落进行转录（使用 noScribe 中的“开始”和“结束”字段），然后手动拼接。
• 多语言音频 目前已支持，但仍处于实验阶段。有时可能会出现将主语言之外的其他语言词汇翻译出来的情况。
• 非语言表达（如笑声）不会包含在转录文本中，如果您需要这些内容，则必须在编辑器中手动添加。
• 发言者区分：在某些录音中，noScribe 所使用的 AI 即使在人类听觉上能明显区分不同说话者的声音，也可能无法准确识别。请仔细检查结果。
• 长时间后，尤其是较长的访谈中，可能会出现 标点符号和大小写丢失 的情况。如果遇到此类问题，您可以：
  • 将音频分成较短的段落进行转录（使用 noScribe 中的“开始”和“结束”字段），然后手动拼接。
  • 尝试使用其他模型，特别是“faster-whisper-large-v2”，该模型较少出现此类问题。您需要先按照 维基中的说明 安装此模型。

高级选项

• noScribe 现在也提供命令行界面，非常适合脚本编写。输入 noScribe.exe --help 可获取更多信息。在脚本场景中，您还可以使用 --no-gui 选项。
• 配置文件：应用程序首次运行后，您会在用户配置目录中找到名为 config.yml 的文件（Windows 上为 C:\Users\<用户名>\AppData\Local\noScribe\noScribe\config.yml；Mac OS 上为 ~/Library/Application Support/noscribe/config.yml；Linux 上为 ~/.config/noScribe/config.yml）。在这里，您可以更改一些 额外设置，例如用户界面的语言和模型参数。
• 在用户配置目录中，您还会找到一个名为 log 的文件夹，其中包含每份转录（包括未完成的转录）的详细日志文件。这在出现任何错误时非常有帮助。不过请注意，这些文件中也包含您的转录文本，可能涉及敏感信息。
• 如果您希望在 noScribe 中使用 自定义的 Whisper 模型，请按照 维基中的说明操作。

开发与贡献

• 我使用 Python 3.12 开发了 noScribe。
• 由于 Whisper 模型体积过大，我无法将其托管在 GitHub 上。模型文件夹中有一份 README 文件，其中提供了获取这些模型的说明。
• 如果时间允许，我很乐意审阅测试、错误报告和拉取请求。

翻译

• noScribe 的用户界面已经被翻译成多种语言（感谢 mlynar-czyk）。
• 由于大部分翻译都是使用 ChatGPT 生成的，可能会存在一些问题。如果您发现任何错误，请及时报告，并尽可能提交一个包含更佳翻译的拉取请求。
• 语言文件位于“trans”文件夹中。
• 如果您对语言文件进行修改，请务必遵循 YAML 语言的规范。
• 如果您想更改用户界面的语言，需要在高级设置中修改“locale”配置项的值（见上文）。

其他软件

如果您对用于定性数据分析的开源软件感兴趣，可以查看我的另一个项目 QualCoder。

noScribe 快速上手指南

noScribe 是一款免费开源的本地化 AI 音频转录工具，专为定性社会研究和新闻采访设计。它基于 Whisper、faster-whisper 和 pyannote-audio 构建，支持约 60 种语言，能够区分不同说话人，且所有数据均在本地处理，无需上传云端，确保隐私安全。

环境准备

系统要求

• 操作系统：Windows、macOS (Intel/Apple Silicon) 或 Linux
• 硬件建议：
  • 通用版：适用于无独立显卡或显存小于 6GB 的机器（使用 CPU 运算，速度较慢）。
  • 加速版：适用于配备 NVIDIA 显卡（显存 ≥ 6GB）的机器。需安装 CUDA Toolkit 并确保驱动版本 ≥ 570.65。
  • macOS：M1-M4 芯片需安装 Rosetta 2（用于兼容 ffmpeg 组件）；Intel 芯片用户建议使用 v0.6 版本。
• 存储空间：由于包含大型 AI 模型，安装包体积较大（数 GB），请确保磁盘空间充足。

前置依赖

• Windows/Linux (NVIDIA 加速版)：需预先安装 CUDA Toolkit。
• macOS (Apple Silicon)：需在终端运行 softwareupdate --install-rosetta 安装 Rosetta 2。
• 源码安装 (Linux)：需安装 git, git-lfs, python3。

注意：目前官方未提供中国镜像源，下载模型和安装包需访问国际网络。若从源码安装，克隆 HuggingFace 模型时如遇网络问题，建议配置本地代理或使用国内 HuggingFace 镜像站。

安装步骤

方式一：直接使用预编译包（推荐）

Windows

1. 根据硬件选择下载：
   • 普通 PC：下载链接 (Normal)
   • NVIDIA 显卡 (≥6GB VRAM)：下载链接 (CUDA)
2. 运行下载的 setup 文件。
   • 若出现"Windows 保护了你的电脑”提示，点击“更多信息” -> “仍要运行”。
   • 静默安装参数：/S。

macOS

1. Apple Silicon (M1-M4):
   • 下载链接
   • 双击 .dmg 文件，将 noScribe 和 noScribeEdit 拖入 Applications 文件夹。
2. Intel 芯片:
   • 当前 v0.7 不支持 Intel Mac，请下载 v0.6 版本。
   • 首次运行若被拦截，请前往 系统设置 -> 隐私与安全性，点击“仍要打开”。

Linux

1. 下载对应版本（CPU 或 CUDA）：Linux 下载页
2. 解压并运行：

   # 解压文件 (根据实际文件名调整)
   tar -xzvf noScribe_0.7.0_cpu_linux_amd64.tar.gz
   
   # 进入目录并启动
   cd noScribe
   ./noScribe
   

方式二：从源码安装 (仅限 Linux/高级用户)

# 1. 克隆主项目
git clone https://github.com/kaixxx/noScribe.git
cd noScribe

# 2. 克隆编辑器组件
rm -rf noScribeEdit/
git clone https://github.com/kaixxx/noScribeEditor.git noScribeEdit

# 3. 创建 Python 虚拟环境
python3 -m venv venv
source venv/bin/activate

# 4. 安装依赖
pip install -r environments/requirements_linux.txt
pip install -r noScribeEdit/environments/requirements.txt

# 5. 下载 AI 模型 (需 git-lfs)
rm -rf models/fast models/precise
git clone https://huggingface.co/mukowaty/faster-whisper-int8 models/fast
git clone https://huggingface.co/mobiuslabsgmbh/faster-whisper-large-v3-turbo models/precise

# 6. 启动程序
python3 ./noScribe.py

基本使用

1. 启动程序：运行安装好的 noScribe 应用程序。
2. 加载音频：
   • 在主界面选择音频或视频文件（支持批量选择）。
   • 支持几乎所有主流音视频格式。
3. 配置参数：
   • 转录文件命名：设置输出文件名及格式。
   • 语言选择：指定音频语言（支持约 60 种），或设为自动检测。
   • 说话人分离：启用此功能可自动区分不同发言者（基于 pyannote）。
4. 开始转录：
   • 点击开始按钮。根据硬件性能，1 小时音频可能需要 1-3 小时处理时间。
   • 进度条会显示当前状态。
5. 编辑与校对：
   • 转录完成后，程序会自动调用 noScribe Editor。
   • 在编辑器中听取音频片段，核对文本，修正识别错误，并调整说话人标签。
   • 导出最终文本（支持 TXT, DOCX 等格式）。

提示：自动转录无法达到 100% 准确，尤其是背景噪音较大时。务必使用内置编辑器进行人工复核以保证质量。