官方仓库：https://github.com/harry0703/AudioNotes

AudioNotes 是一款完全本地运行的音视频转文字 + 智能笔记工具，特别适合整理会议、访谈、课程、播客、语音备忘录等内容。

它能快速把音视频转成文字稿，再用大模型整理成结构清晰的 Markdown 笔记，并支持基于内容继续提问对话。

核心特点

  • 本地优先 & 隐私安全

    • 语音识别用 FunASR（本地）
    • 笔记整理与问答用 Ollama 本地大模型
    • 音视频、文字稿、笔记、对话历史全部保存在本机
    • 默认不发送内容到任何第三方 AI 接口
    • Web 界面默认只监听本机（127.0.0.1），不对外开放

  • 主要功能

    • 上传音频/视频，自动生成文字稿
    • 自动整理成结构化 Markdown 笔记
    • 基于内容继续提问（问答）
    • 支持浏览器直接录音
    • 支持领域热词（提高专业词汇识别率）
    • 对话历史管理

  • 默认模型

    • 语音识别：FunAudioLLM/Fun-ASR-Nano-2512（约 2.15GB，首次自动下载）
    • 笔记整理与问答：qwen3.5:2b（通过 Ollama）

快速部署教程（推荐 Docker 方式）

前置要求

  1. 安装并启动 Docker Desktop（建议分配至少 12GB 内存，处理长音频推荐 16GB）
  2. 安装并启动 Ollama（https://ollama.com/download）

1. 准备本地大模型

1
ollama pull qwen3.5:2b

2. 下载并启动 AudioNotes

1
2
3
4
5
6
7
8
9
mkdir audionotes
cd audionotes

# 下载配置文件
curl -fsSL https://github.com/harry0703/AudioNotes/raw/main/docker-compose.yml -o docker-compose.yml
curl -fsSL https://github.com/harry0703/AudioNotes/raw/main/.env.example -o .env

# 启动服务
docker compose up -d --remove-orphans

3. 访问使用

浏览器打开：http://localhost:15433/

默认账号 / 密码：admin / admin

首次识别会自动下载约 2.15GB 的语音模型，下载完成后会保存在本地，后续无需重复下载。

从源码启动（可选）

需要准备：

  • Python 3.12
  • ffmpeg
  • Ollama
1
2
3
4
5
6
7
8
9
10
11
12
13
git clone https://github.com/harry0703/AudioNotes.git
cd AudioNotes

python3.12 -m venv .venv
source .venv/bin/activate          # Windows 使用 .venv\Scripts\activate

python -m pip install -r requirements.txt
cp .env.example .env

ollama pull qwen3.5:2b

# 启动
python -m chainlit run main.py --host 127.0.0.1 --port 15433

同样访问 http://localhost:15433/

使用方法

  1. 登录后上传音频或视频（或直接浏览器录音）
  2. 等待语音识别 + 笔记整理完成
  3. 查看完整文字稿和结构化 Markdown 笔记
  4. 在输入框继续提问（如“谁负责？”“主要结论是什么？”）
  5. 左侧可查看历史记录

数据管理与常用命令

  • 数据位置（Docker）：整个 audionotes 文件夹（上传文件、模型缓存、日志、对话历史都在这里）
  • 备份：停止服务后直接复制整个文件夹
  • 停止服务：
    1
    docker compose down
  • 重启：
    1
    docker compose up -d
  • 更新到最新版：
    1
    2
    docker compose pull
    docker compose up -d --remove-orphans

可选配置

  • 修改登录账号密码：编辑 .env 中的 USERNAME 和 PASSWORD
  • 支持更多语言识别：将 .env 中的 ASR_MODEL 改为 FunAudioLLM/Fun-ASR-MLT-Nano-2512
  • Linux + NVIDIA 显卡加速：使用 docker-compose.gpu.yml

常见问题

问题 解决方法
页面打不开 确认 Docker Desktop 和 Ollama 都已启动，执行 docker compose ps 和 docker compose logs -f webui 查看日志
找不到模型 重新执行 ollama pull qwen3.5:2b
长音频处理中断 增加 Docker 内存配额（推荐 16GB）
多人共用电脑 务必修改默认 admin/admin 密码

总结：AudioNotes 是目前少有的真正本地、隐私友好的音视频笔记工具，特别适合不想把公司会议或私人录音上传到云端的用户。部署简单，效果实用。

需要我补充 GPU 加速详细步骤、热词配置方法，或其他具体问题吗？