双路录音
系统声音和麦克风同时采集、自动混音。线上会议、网课、访谈、面对面讨论,两边的话都不漏。
系统声音与麦克风同时录制,说话即出文字,实时翻译成 13 种语言,一键生成 AI 会议纪要。 核心功能全部在你的电脑上运行 —— 本地永久免费、开源;想要更强效果时,可以按需选用云端优质模型。
新用户注册送 100 积分(约 2~4 小时完整会议)· 这个版本还在打磨,欢迎反馈问题,采纳再送 20 积分一次录制,转写、翻译、字幕、纪要全部自动完成 —— 而且都在你自己的电脑上。
系统声音和麦克风同时采集、自动混音。线上会议、网课、访谈、面对面讨论,两边的话都不漏。
X-ASR 与 SenseVoice 双本地引擎流式识别,说话的同时文字就出来了,全程离线。
逐句流水线翻译,13 种目标语言,译文紧跟在原文下方,边开会边看懂。
本地大模型离线生成主题、结论与待办事项,也可以接入你自己的 API 或网页 AI。
离线识别使用云端豆包 / 千问时自动区分说话人、按「谁在说」分段标注;在历史详情页点一下名字就能改成「张经理」「客户」,纪要里谁说了什么一目了然。
独立字幕窗始终置顶,可拖动、可调行数与字号。看外语会议,像看一部带字幕的视频。
转写原文和译文都能一键朗读,31 种语言、可选音色,听外语内容更省力。
所有会议存在本地 SQLite,支持全文搜索、标题与段落行内编辑、换模型重新识别。
TXT / SRT / Markdown / 会议纪要一键导出,还能直接打印成 PDF 归档。
把云端优质模型接进应用,把字幕浮到桌面上,把免费和付费彻底分开。
不用再等几个 GB 的模型下载。直接调用云端大模型:更强的多语种识别、更准的实时翻译、更大的总结模型,选好就能跑。同一场会议还能换模型重新识别做对比。
独立的字幕悬浮窗,始终置顶、随意拖动、行数与字号都能调。外语会议、直播、网课,屏幕上直接飘着实时字幕。
本地模型永久免费,不限时长、不限次数。只有你主动选择云端模型时才按实际用量扣积分 —— 不订阅、不包月、不自动续费,充值的积分自充值之日起 1 年内有效,再次充值可延续。
同一款应用,两套引擎。日常会议用本地,追求精度或多语种时切云端,随时可换。
| 对比项 | 本地模型 | 云端模型 |
|---|---|---|
| 费用 | 永久免费,不限时长与次数 | 按实际用量扣积分,用多少扣多少 |
| 网络 | 模型下载完成后可完全离线 | 需要联网,国内可直连 |
| 隐私 | 音频与文本全程不离开你的电脑 | 只有你选用的那段内容会发往服务器 |
| 准备成本 | 首次需下载 0.5 ~ 2.5 GB 模型 | 无需下载,选好即用 |
| 适合场景 | 日常会议、隐私敏感、无网环境 | 多语种会议、长会议、追求识别精度 |
常见的云端会议工具按分钟计费、录音与转写留在厂商服务器上;VoxMinutes 把核心能力放在你自己的电脑上。
| 痛点 | 常见做法 | VoxMinutes |
|---|---|---|
| 费用 | 按分钟 / 按人数订阅,超时长另算 | ✓本地功能永久免费,不限时长与次数;云端按量可选 |
| 隐私 | 录音与转写保存在厂商服务器上 | ✓本地模式全部在你自己电脑上运行,0 字节上传 |
| 录音 | 只能录麦克风,或只能录系统声音 | ✓系统声音 + 麦克风同时录制、自动混音 |
| 离线 | 断网即不可用 | ✓本地模型可完全离线;需要更强效果时再切云端 |
| 上手 | 需要命令行、配置环境或自己部署模型 | ✓应用内模型管家 + 首启向导,无需终端 |
| 兼容性 | 浏览器插件受音频权限限制,只支持部分会议软件 | ✓系统级采集,适配任何会议软件 |
| 数据归属 | 转写与纪要留在厂商账号里 | ✓本地 SQLite 存储,导出 TXT / SRT / Markdown / PDF |
积分只在调用云端模型时消耗 —— 语音识别、实时翻译、会议总结、语音朗读共用同一份。付款后自动发码,在 App「用户中心 → 充值/兑换」粘贴即可到账。
先试试云端模型的效果
长会议、多语种会议更划算
单位积分最便宜
足够录制约 2~4 小时完整会议(识别 + 翻译 + 总结)。首发限量,赠送积分自领取之日起 90 天内有效。
时长按「一场 1 小时会议 = 语音识别 + 实时翻译 + 会议总结」的常规配置估算:选用实时流式模型约 54 积分/小时,选用更省的模型约 26 积分/小时,所以按 26~54 积分/小时给出区间。实际用量取决于你选择的模型。
不需要命令行,不需要配置环境,安装后跟着向导走就行。
从 voxmin.top 直接下载 Windows 安装包(约 50 MB,国内速度快),双击安装。 macOS 版与历史版本见 GitHub Releases(备用源)。首次打开的安全提示见下方常见问题。
首启向导帮你下载或导入本地模型(国内自动回退镜像),也可以直接选云端模型,一步跳过下载。
选好麦克风与系统声音,点录音。文字实时出现,随时开启翻译、桌面字幕与语音朗读。
结束后一键生成 AI 纪要;历史记录里可全文搜索、编辑、重新识别,导出 TXT / SRT / Markdown / PDF。
核心功能完全免费且开源(AGPL-3.0):本地转写、翻译、会议总结、桌面字幕都不限时长、不限次数,也不需要注册账号。
只有当你主动选择云端模型时才会消耗积分 —— 按实际用量计费,不订阅、不包月、不自动续费。新用户注册还会赠送 100 积分先试用。
用本地模型时,模型下载完成后即可全程离线,音频、转写、翻译与总结都在你自己的电脑上完成,不会离开设备。
只有当你主动选择云端模型时,对应的那段音频或文本才会发送到服务器;本地功能不受影响。
不需要显卡。所有模型都是量化版本,纯 CPU 即可运行,建议 8 线程以上的机器。本地实时转写 RTF ≈ 0.25,本地实时翻译约 2~4 秒/句。
目前正式支持 Windows 10 / 11(安装包约 50 MB)。macOS(Apple 芯片版)开发中、即将上线,尚未提供安装包;Linux 在计划中 —— 可以到 GitHub Issues 投票帮我们排优先级。
它在系统层面采集音频,不依赖具体应用,所以 Zoom、腾讯会议、飞书、Teams、Google Meet、网课、直播、播客都能录;把笔记本带进会议室录线下讨论也行。
安装包暂未购买代码签名证书,所以系统会拦一下 —— 这不代表软件有问题,源码完全公开,也可以按 README 自行编译。
Windows:SmartScreen 弹出蓝色警告时,点「更多信息 → 仍要运行」。
macOS:提示「无法验证开发者」时,右键点应用选「打开」;或到「系统设置 → 隐私与安全性」里点「仍要打开」。
云端接入了豆包、千问、MiMo、Deepgram 等多家模型,覆盖中英日韩等 30+ 语种。中文会议可以选豆包,纯英文 / 海外场景可以选 Deepgram,多语种混说可以选千问。
同一场会议可以换一个模型重新识别,直接对比效果 —— 觉得哪个准就用哪个。
按「一场 1 小时会议跑完识别 + 翻译 + 总结」的常规配置估算约 26~54 积分(取决于所选模型),所以 100 积分约等于 2~4 小时完整会议;如果只做文件转写,能用得更久。
实际用量取决于你选择的模型,记录可以在 App「用户中心」里按日期和模型逐笔查看。
在本页选购积分包,付款后页面会自动显示兑换码。打开 VoxMinutes App →「用户中心 → 充值/兑换」,粘贴兑换码,积分立即到账。
余额绑定在你的账号上,换电脑或重装应用都不会丢。充值的积分自充值之日起 1 年内有效,再次充值可延续。
免费下载。本地模型跟着向导下载即可,国内网络自动回退到可用镜像,无需代理。
Windows 首次运行安装包若出现 SmartScreen 蓝色提示,点「更多信息 → 仍要运行」即可(源码公开,可自行编译核对)。macOS 版上线后首次打开若提示「无法验证开发者」,请右键点应用选「打开」。