【开源自荐】DeLive 2.0 —— 从「字幕转录工具」到「AI 转录工作台」
- 内容介绍
- 文章标签
- 相关推荐
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
GitHub - XimilalaXiang/DeLive: System audio capture + multi-provider ASR +...
System audio capture + multi-provider ASR + local-first AI review workspace. Floating live captions, 6 ASR backends, 60+ languages, AI summary/chat/mindmap, Open API, MCP server, and Agent Skill.
前言： 【开源】1.0.11 Delive 把 Windows 系统音频实时转文字 + 悬浮字幕（支持 Soniox/火山引擎，导出 TXT/SRT）
上次发了 1.011，这几个月一直在迭代。
到现在2.0.1 ，基本上是重写了。也更新了很多额外我认为比较必要的功能
为啥做这个
起点还是那个痛点：看视频/直播/课程，平台不让导出字幕。
但 1.0 解决完「能转录」之后，我发现下一个卡点是： 转录完了，怎么用？
每次都要手动复制文本，切到 AI对话窗口，粘贴，问问题。太割裂了。
2.0 的核心思路：捕获 → 转录 → AI 处理 → 对外开放MCP/Skill 接口调用，全在一个地方，拒绝数据孤岛
image1920×925 235 KB
2.0 的核心变化
① 跨平台了
Windows （稳定版）
macOS （测试版） / Linux （测试版）
小声bb
欢迎佬反馈bug
② 6 个 ASR 后端
| 后端 | 特点 |
|---|---|
| Soniox | 流式顶尖，支持翻译+说话人识别 |
| 火山引擎 | 中文最强，延迟低，送 20h |
| Groq | Whisper 便宜免费 |
| SiliconFlow | 国内多模态，佬们手上也有资源 |
| 本地 whisper.cpp | 完全离线，零费用 |
| OpenAI-compatible | 接 Ollama、OpenAI兼容 等服务 |
image502×638 36.8 KB
③ AI 回顾 复盘 工作台
转录完直接在软件里处理，不需要离开这个窗口：
Overview：AI 自动生成摘要、行动项、关键词、章节
image1200×800 145 KB
Chat：多线程 AI 问答，Markdown 渲染
image1200×800 86 KB
Mind Map：一键生成思维导图，实时编辑，导出 SVG/PNG
image1200×800 48.9 KB
④ 悬浮字幕升级
字幕部分演示
支持原文、译文、双语三种模式（针对 soniox provider），字体/颜色/阴影/背景全部可自定义
image749×446 21.4 KB
image732×1188 37.8 KB
image680×117 12.8 KB
⑤ S3、WebDAV 备份
备份部分截图
亚马逊 S3 兼容，坚果云、Nextcloud、Alist 都支持，数据不丢
image717×583 17 KB
image735×577 20.6 KB
这次最想说的：MCP + Agent Skill
这是 2.0 里最独特的部分
1. MCP Server
image790×437 21.2 KB
DeLive 内置了一个 MCP Server，可以直接接入 Cherry Studio、Cursor、Claude Code。配置完之后，你可以直接问 AI ：
“把今天下午的讲座转录内容，提炼成提纲”
“这段转录稿里，最终决定用哪个方案？整个框架思路是什么？”
如图
image1182×1060 73.1 KB
Agent 会直接调用 DeLive 的工具（ search_transcripts / get_session / get_session_summary ），从本地拉取数据，完全不需要手动操作。
2. Agent Skill
安装Skill到claude code
DeLive/skills at main · XimilalaXiang/DeLive
main/skills
System audio capture + multi-provider ASR + local-first AI review workspace. Floating live captions, 6 ASR backends, 60+ languages, AI summary/chat/mindmap, Open API, MCP server, and Agent Skill. -...
内置 SKILL.md ，给 Claude Code / Cursor 等 Agent 读，让它们知道怎么和 DeLive 配合工作
Agent Skill
image959×263 29.1 KB
image1021×541 19.7 KB
项目信息
- GitHub： github.com/XimilalaXiang/DeLive
- 文档： docs.delive.me
- 落地页： delive.me
觉得有用的佬可以点个 star ，有问题欢迎沟通~
网友解答：--【壹】--：
cool！我一直在找终于找到了，已star
--【贰】--：
嘿嘿，感谢佬友的支持！对佬们有帮助就好~
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
GitHub - XimilalaXiang/DeLive: System audio capture + multi-provider ASR +...
System audio capture + multi-provider ASR + local-first AI review workspace. Floating live captions, 6 ASR backends, 60+ languages, AI summary/chat/mindmap, Open API, MCP server, and Agent Skill.
前言： 【开源】1.0.11 Delive 把 Windows 系统音频实时转文字 + 悬浮字幕（支持 Soniox/火山引擎，导出 TXT/SRT）
上次发了 1.011，这几个月一直在迭代。
到现在2.0.1 ，基本上是重写了。也更新了很多额外我认为比较必要的功能
为啥做这个
起点还是那个痛点：看视频/直播/课程，平台不让导出字幕。
但 1.0 解决完「能转录」之后，我发现下一个卡点是： 转录完了，怎么用？
每次都要手动复制文本，切到 AI对话窗口，粘贴，问问题。太割裂了。
2.0 的核心思路：捕获 → 转录 → AI 处理 → 对外开放MCP/Skill 接口调用，全在一个地方，拒绝数据孤岛
image1920×925 235 KB
2.0 的核心变化
① 跨平台了
Windows （稳定版）
macOS （测试版） / Linux （测试版）
小声bb
欢迎佬反馈bug
② 6 个 ASR 后端
| 后端 | 特点 |
|---|---|
| Soniox | 流式顶尖，支持翻译+说话人识别 |
| 火山引擎 | 中文最强，延迟低，送 20h |
| Groq | Whisper 便宜免费 |
| SiliconFlow | 国内多模态，佬们手上也有资源 |
| 本地 whisper.cpp | 完全离线，零费用 |
| OpenAI-compatible | 接 Ollama、OpenAI兼容 等服务 |
image502×638 36.8 KB
③ AI 回顾 复盘 工作台
转录完直接在软件里处理，不需要离开这个窗口：
Overview：AI 自动生成摘要、行动项、关键词、章节
image1200×800 145 KB
Chat：多线程 AI 问答，Markdown 渲染
image1200×800 86 KB
Mind Map：一键生成思维导图，实时编辑，导出 SVG/PNG
image1200×800 48.9 KB
④ 悬浮字幕升级
字幕部分演示
支持原文、译文、双语三种模式（针对 soniox provider），字体/颜色/阴影/背景全部可自定义
image749×446 21.4 KB
image732×1188 37.8 KB
image680×117 12.8 KB
⑤ S3、WebDAV 备份
备份部分截图
亚马逊 S3 兼容，坚果云、Nextcloud、Alist 都支持，数据不丢
image717×583 17 KB
image735×577 20.6 KB
这次最想说的：MCP + Agent Skill
这是 2.0 里最独特的部分
1. MCP Server
image790×437 21.2 KB
DeLive 内置了一个 MCP Server，可以直接接入 Cherry Studio、Cursor、Claude Code。配置完之后，你可以直接问 AI ：
“把今天下午的讲座转录内容，提炼成提纲”
“这段转录稿里，最终决定用哪个方案？整个框架思路是什么？”
如图
image1182×1060 73.1 KB
Agent 会直接调用 DeLive 的工具（ search_transcripts / get_session / get_session_summary ），从本地拉取数据，完全不需要手动操作。
2. Agent Skill
安装Skill到claude code
DeLive/skills at main · XimilalaXiang/DeLive
main/skills
System audio capture + multi-provider ASR + local-first AI review workspace. Floating live captions, 6 ASR backends, 60+ languages, AI summary/chat/mindmap, Open API, MCP server, and Agent Skill. -...
内置 SKILL.md ，给 Claude Code / Cursor 等 Agent 读，让它们知道怎么和 DeLive 配合工作
Agent Skill
image959×263 29.1 KB
image1021×541 19.7 KB
项目信息
- GitHub： github.com/XimilalaXiang/DeLive
- 文档： docs.delive.me
- 落地页： delive.me
觉得有用的佬可以点个 star ，有问题欢迎沟通~
网友解答：--【壹】--：
cool！我一直在找终于找到了，已star
--【贰】--：
嘿嘿，感谢佬友的支持！对佬们有帮助就好~