只需三步，动手搭建一个本地【实时语音转录】工具WhisperLiveKit

实时语音转文字，比如会议记录、课堂笔记，这类功能现在很常见，也是很多人感兴趣的热门方向。

那么想不想动手部署一个开源、好玩的实时转录项目 —— WhisperLiveKit。
它能让你在自己的电脑上轻松搭建一套语音实时识别系统！💡 先说结论：它适合谁？

WhisperLiveKit 非常适合学习和体验 AI 实时语音识别的原理与流程。
不过要提醒一句：它还不能完全替代专业商业产品，但已经非常有趣、够强大。

优点：

• • 🚀 部署超级简单
• • 💻 自带网页界面，可直接体验前沿技术

需要注意的地方：

1. 1. 延迟问题
   中文识别准确率高的模型（比如 large-v2/v3）相对较慢，语音转文字的延迟可能大于10秒，甚至更久。
   如果你的电脑有一张 NVIDIA 显卡（建议 12G 显存以上），速度会快很多。
   小模型虽然快，但中文识别不够准确。
2. 2. 网络环境
   程序需要下载一个非常大的核心模型，这个文件在墙外。
   👉 所以你需要提前准备好“科学上网”工具。
3. 
   
   

🧰 第一步：准备工作（磨刀不误砍柴工）

开始前，请确认你的电脑准备好了以下几样：

1. 1. 安装 uv
   这是一个现代化的 Python 包管理工具，可以用“一条命令”安装所有依赖，极其省心。

   如果你还没装，可以查看我上一篇教程。

   pyvideotrans，公众号：pyVideoTrans别再被环境折磨！必须安装的两款基础神器 uv 与 ffmpeg

2. 2. 安装 ffmpeg
   它是音视频处理界的“瑞士军刀”，我们的程序要靠它来读取麦克风声音。

   同样，如果还没安装，也可以参考上一篇文章。

   pyvideotrans，公众号：pyVideoTrans别再被环境折磨！必须安装的两款基础神器 uv 与 ffmpeg

3. 3. 开启网络代理
   ⚠️ 这一点非常重要！
   因为模型文件要从墙外服务器下载，请务必开启“科学上网”，
   并设置为“全局代理”或“系统代理”模式。

⚙️ 第二步：安装核心程序

1. 1. 新建一个文件夹，比如：D:/python/livekit
2. 2. 打开这个文件夹，在地址栏输入 cmd，然后按回车。
   你会看到一个黑色命令行窗口👇
   

   

3. 3. 把下面命令复制进去，然后按回车执行：

uv init && uv add whisperlivekit faster-whisper --index https://pypi.tuna.tsinghua.edu.cn/simple

💡 这条命令会：

• • 使用 uv 自动安装 WhisperLiveKit 和加速依赖 faster-whisper
• • 并通过清华镜像源加速下载

🚀 第三步：启动实时转录服务

继续在命令行窗口中执行以下命令：

uv run whisperlivekit-server --audio-max-len 10 --frame-threshold 20 --model large-v3-turbo --language zh

参数说明：

• • --model large-v3-turbo：使用更快的 large-v3-turbo 模型（比 large-v2/v3 快很多，准确率略有下降）
• • --language zh：指定识别中文

⚠️ 第一次运行会自动下载模型文件，体积较大，请保持网络畅通并耐心等待。

🌐 第四步：开始使用！

打开浏览器（推荐 Chrome 或 Edge），访问地址：

👉 http://localhost:8000/

🧩 常见“翻车”现场与解决办法

别担心，以下是最常见的几种错误：

• • ❌ 模型下载失败
  错误提示里如果有 “huggingface”、“download”、“timeout”等字样，
  几乎都是代理没开或没设置成全局模式。
  

  

• • ❌ 找不到 uv
  表示 uv 没安装好，或未加入系统环境变量。
  

  

• • ❌ 找不到 ffmpeg
  同理，检查是否安装正确并配置了环境变量。
  

  

💤 懒人福利：一键启动脚本！

每次敲命令太麻烦？那就来个“一键启动”！

1. 1. 在项目文件夹（D:/python/livekit）中新建一个文本文档
2. 2. 把以下内容复制进去：

@echo off
call uv run whisperlivekit-server --audio-max-len 10 --backend faster-whisper --frame-threshold 20 --model large-v3-turbo --language zh
pause

1. 3. 点击“文件”→“另存为”，
   保存类型选为 所有文件，命名为 start.bat，然后保存。
2. 4. ⚠️ 确认文件名结尾是 .bat（不是 .bat.txt）！
   

   

以后你只需双击 start.bat 文件，就能一键启动服务啦～
再也不用每次输入长命令，轻松又高效！

🎉 恭喜你完成部署！
从现在起，你已经能在自己的电脑上实现实时语音识别。
WhisperLiveKit 是一个非常适合学习和演示的项目，
不妨多尝试不同模型、参数，探索它的更多玩法吧！