原生 macOS 語音轉錄應用程式，使用 Breeze-ASR-25（針對台灣華語與語碼混用微調的 Whisper large-v2 模型），透過 whisper.cpp 搭配 Metal GPU 加速進行轉錄。
| 轉錄進度 | 雙語逐字稿 |
|---|---|
 |
 |
| 應用程式選擇 | 設定 |
|---|---|
 |
 |
- 應用程式音訊錄製 — 透過 ScreenCaptureKit 錄製任何執行中應用程式的音訊（M4A/AAC，48 kHz）
- 即時轉錄 — 錄音時同步顯示轉錄文字
- 即時翻譯 — 每段轉錄文字下方即時顯示翻譯，透過 OpenAI 相容 API 實現
- 智慧自動捲動 — 即時轉錄畫面自動跟隨最新段落
- 即時結果保留 — 停止錄音後直接保留即時轉錄結果，無需重新轉錄
- Zoom 會議偵測 — Zoom 會議結束時自動提示停止錄音
- 拖放上傳 音訊／影片檔案（MP3、WAV、M4A、MP4、AAC、FLAC、OGG、WMA、AIFF、CAF）
- 批次處理 — 一次佇列多個檔案
- 循序轉錄佇列 — 檔案依序一個一個轉錄
- 轉錄後翻譯 — 一鍵將完成的逐字稿翻譯成任何設定語言
- 語言設定 — 自動偵測或手動指定來源語言；選擇目標翻譯語言
- 搜尋 — 側邊欄全域篩選所有轉錄，或按 Cmd+F 在逐字稿內搜尋並高亮顯示
- 音訊播放 — 播放／暫停、進度條、前後跳 ±5 秒
- 同步高亮 — 播放時自動高亮目前句子
- 點擊跳轉 — 點擊任意段落即跳至該時間點
- 內建模型下載 — 在 App 內直接下載模型：Breeze-ASR-25（最適合台灣華語）以及官方 whisper.cpp 模型，從 Tiny（78 MB）到 Large v3 Turbo（1.6 GB）
- 隨時切換 — 從工具列或設定選擇使用的模型，下次轉錄即生效
- 自訂模型路徑 — 也可在設定中指定目錄外的
ggml-*.bin模型檔案
- 可直接替換的 OpenAI 轉錄 API — 在設定中啟用本機 HTTP 伺服器，將任何相容 OpenAI 的用戶端指向
http://127.0.0.1:8080/v1；轉錄在裝置上以你選擇的模型執行 - 端點 —
POST /v1/audio/transcriptions、POST /v1/audio/translations（將音訊翻譯成英文）與GET /v1/models - 回應格式 —
json、verbose_json（含時間軸片段）、text、srt與vtt - 可選 API 金鑰 — 可要求
Bearer權杖，並可選擇開放區域網路內其他裝置存取
- Metal GPU 加速 — 透過 whisper.cpp 完全在裝置上執行，音訊不會離開你的 Mac
- 自備 API — 翻譯支援任何 OpenAI 相容端點，包括本地模型
- 重新轉錄 與 失敗重試，可複製錯誤訊息
- macOS 14.0 以上
- Apple Silicon Mac（arm64）— 內含的 xcframework 為 arm64 版本
- Python 3 及
torch、transformers、numpy、huggingface_hub（僅自行轉換模型時需要；下載預先轉換的 GGML 檔案則不需要）
專案已內含預先建置的 CWhisper.xcframework。如需從原始碼重新建置：
bash Scripts/build_whisper_lib.sh此指令會複製 whisper.cpp、以 Metal + Accelerate 建置，並封裝靜態函式庫為 xcframework。
方法 A（推薦）： 直接啟動 App — 首次執行會提示下載模型（Breeze-ASR-25 或較小的 Whisper 模型），之後可在「設定 → 語音辨識模型」中新增、選擇或刪除模型。
方法 B： 直接從 HuggingFace 下載預先轉換的 Breeze-ASR-25 GGML 檔案（約 3 GB），放至 Models/ggml-model.bin：
https://huggingface.co/danielkao0421/Breeze-ASR-25-ggml/blob/main/ggml-model.bin
方法 C： 從原始模型自行轉換（需要 Python 3 及 torch、transformers、numpy、huggingface_hub）：
bash Scripts/convert_model.sh此指令會從 HuggingFace 下載 Breeze-ASR-25 模型、複製所需的 repo，並將其轉換為 GGML 格式存至 Models/ggml-model.bin。
swift build
swift run或以 Xcode 開啟：
open Package.swift在 Xcode 中按 Cmd+R 建置並執行。
bash Scripts/build_release.sh此指令會建置最佳化的發行版執行檔、產生正確的 .icns 圖示，並封裝為含 Info.plist 的 WhisperASR.app。安裝方式：
cp -r WhisperASR.app /Applications/若 macOS 顯示「無法開啟」警告（因為 app 未經簽署），請將以下指令中的路徑替換為 WhisperASR.app 的實際位置後執行：
xattr -cr /path/to/WhisperASR.app- 新增檔案 — 將音訊／影片檔案拖至側邊欄，或點擊 + 按鈕
- 錄製應用程式音訊 — 點擊錄音按鈕，選擇執行中的應用程式後開始錄音；最近使用的應用程式會排在最前面
- 即時轉錄與翻譯 — 在錄音對話框中啟用即時轉錄，錄音時即可看到文字；在設定中設定目標語言，可在每段下方看到即時翻譯
- 等待轉錄 — 檔案會排入佇列，依序轉錄並顯示進度與預估剩餘時間
- 檢視 — 點擊已完成項目，查看含時間戳記的逐字稿
- 翻譯 — 點擊翻譯按鈕，將完成的逐字稿翻譯成任何設定語言
- 搜尋 — 使用側邊欄搜尋列篩選所有檔案，或按 Cmd+F 在逐字稿中搜尋
- 播放音訊 — 使用底部播放器控制；文字會同步高亮顯示
- 匯出 — 點擊右上角匯出按鈕，儲存為 SRT 或純文字格式
開啟設定（Cmd+,）進行設定：
- 目標語言 — 選擇翻譯的目標語言
- OpenAI 翻譯 API — 只需填入 API 金鑰；端點預設為 OpenAI，模型預設為
gpt-4o-mini。支援任何 OpenAI 相容端點（包括本地模型）。 - 語音辨識模型 — 下載、選擇或刪除模型；轉錄會使用選取的模型
- 自訂模型 — 可選的自訂
ggml-*.bin模型檔案路徑，僅在未選取下載模型時使用
Sources/
├── WhisperASRApp.swift # 應用程式進入點
├── ContentView.swift # NavigationSplitView 版面配置
├── SidebarView.swift # 檔案清單，支援拖放與右鍵選單
├── DetailView.swift # 逐字稿顯示、進度、匯出
├── PlayerView.swift # 音訊播放控制
├── RecordingView.swift # 應用程式音訊錄製 UI
├── AudioRecorder.swift # ScreenCaptureKit 音訊擷取
├── AppState.swift # 應用程式狀態管理與轉錄佇列
├── Models.swift # 資料模型
├── TranscriptionService.swift # whisper.cpp C API 整合
├── TranslationService.swift # OpenAI 相容翻譯 API
├── TranscriptionStore.swift # JSON 逐項持久化儲存
├── AudioLoader.swift # AVAssetReader 音訊載入
├── AudioPlayerManager.swift # AVPlayer 封裝
├── AppIconGenerator.swift # 程式化應用程式圖示產生
└── SettingsView.swift # 語言、翻譯與模型設定
Scripts/
├── build_whisper_lib.sh # 建置 whisper.cpp xcframework
├── convert_model.sh # 將 HuggingFace 模型轉換為 GGML
└── build_release.sh # 建置含圖示的發行版 .app bundle
Frameworks/
└── CWhisper.xcframework/ # 預先建置的 whisper.cpp 靜態函式庫
本專案使用 whisper.cpp（MIT 授權）及聯發科技研究院的 Breeze-ASR-25 模型。