OpenVoiceBridge

离线、隐私优先的同声字幕（Live Captions）与 SRT 字幕生成器 —— 完全运行在浏览器端，基于 transformers.js 的 Whisper 推理。适合教室、会议、直播、播客剪辑与无障碍场景。

📦 GitHub Pages 一键部署：本工程无需服务器与后端。将仓库设置为 Pages（/ 根目录）或使用自带的 GitHub Actions 工作流，即可发布到 https://<你的用户名>.github.io/<仓库名>/。

✨ 功能特性

• 🎙️ 实时麦克风字幕：边说边出字；可选择 Tiny/Base/Small 等多种模型。
• 📁 音/视频文件转写：支持本地文件，生成带时间戳的逐句片段。
• ⤓ 导出 SRT：一键导出标准 .srt 字幕文件。
• 🌐 多语言识别：Whisper 多语种模型，支持自动检测（也可手动指定）。
• 📦 真 · 本地推理：所有计算在你的设备完成；模型文件首次联网加载，随后缓存离线可用。
• 🧩 PWA：可“安装”为 App，离线访问与自动缓存核心资源。
• ♿ 无障碍友好：高对比度、大字字幕、键盘快捷键（K 开始/停止）。
• 🔒 零服务器：不依赖任何私钥或第三方云 API；无需注册。

🧠 技术栈

• 推理引擎：@xenova/transformers（浏览器端 ONNX/WebGPU 推理）
• UI：纯原生 Web（HTML/CSS/JS），无需打包构建
• PWA：manifest.webmanifest + sw.js（缓存核心资源、模型运行时缓存）
• 部署：GitHub Pages（自带 Actions 工作流）

受限于 GitHub Pages 的默认安全策略（无跨源隔离），WASM 多线程不可用，首轮加载与推理速度可能低于原生；推荐在具备 WebGPU 的浏览器/设备上体验更佳。

🚀 快速开始（本地）

1. 克隆仓库后，使用任何静态服务器在本地启动：

   npx http-server -p 8080 .
   # 或者
   python3 -m http.server 8080

2. 打开 http://localhost:8080/。首次会自动加载模型文件（联网）。完成后可离线使用。

☁️ 部署到 GitHub Pages

1. 新建一个 Public 仓库（建议命名 openvoicebridge）。
2. 把本项目所有文件推送上去。
3. 确保启用 Actions 权限。仓库中新建 Settings → Pages，选择 GitHub Actions 作为发布来源。
4. 保持 .github/workflows/pages.yml 不变，首次触发后将自动部署成功。
5. 访问 https://<你的用户名>.github.io/<仓库名>/ 即可。

你也可以直接在仓库 Settings → Pages 里选择 Deploy from a branch，把根目录 / 作为 Pages 来源，无需 Actions。

📁 目录结构

.
├── assets/                 # 图标与徽标
├── app.js                  # 主应用逻辑
├── index.html              # 页面骨架
├── styles.css              # 页面样式
├── srt.js                  # SRT 导出工具
├── utils.js                # 重采样、简单 VAD、小工具
├── sw.js                   # Service Worker
├── manifest.webmanifest    # PWA 清单
└── .github/workflows/pages.yml  # GitHub Pages 部署工作流

📌 使用建议

• 模型选择：whisper-tiny 最快，适用于会议记录/辅助阅读；更高精度可使用 base/small（更耗内存/时间）。
• 离线使用：第一次联网加载后，模型文件将被浏览器缓存。将网站“安装”为 PWA 后，断网也能继续使用。
• 硬件建议：Apple Silicon 或支持 WebGPU 的设备效果更好；内存越大越稳。

⚠️ 重要声明

• 本项目旨在辅助沟通和无障碍，不构成医疗或法律意见。
• 识别与翻译结果可能存在错误；务必在关键场景中人工核对。

---

OpenVoiceBridge (EN)

Privacy-first, offline-capable live captions and SRT subtitle maker — runs entirely in the browser using Whisper via transformers.js. Ideal for classrooms, meetings, live events, podcast editing, and accessibility.

Features

• Live microphone captions (Tiny/Base/Small models)
• Transcribe local audio/video files with timestamps
• Export standard .srt
• Multilingual recognition (auto/force language)
• 100% local inference (models cached after first use)
• Installable PWA, works offline
• Zero server & zero API keys

Deploy to GitHub Pages

• Push this repo, enable Actions, keep .github/workflows/pages.yml as is.
• Or select "Deploy from a branch" → root / as Pages source.

Disclaimer

Results are AI-generated and can contain mistakes. Always verify for critical uses.