Aham Voice：Mac 本地会议录音，转写+说话人分离全离线，纪要接自己的大模型

一句话定位：Aham Voice 把「录音 → 逐句分说话人稿 → 结构化纪要」这条链路在你自己的 Mac 上跑完——转写、说话人分离、情绪标注全本地，纪要才出门走你自己的大模型 API，音频数据不离开本机。

项目信息

GitHub：https://github.com/li599198347-svg/aham-voice （23 ⭐，MIT 开源）

当前版本：v2.0.0（2026-06-21）

系统要求：仅 Apple Silicon（M1/M2/M3/M4 Mac）

为什么值得一用

现在录音转写工具很多，但几乎都有一个共同问题：你的录音要上传到别人的服务器。

Aham Voice 的立场很清晰：

能力	在哪里跑
语音转文字（FunASR）	本地离线
说话人分离——谁在说（CAM++）	本地离线
声学情绪分析（emotion2vec）	本地离线
会议纪要生成	你自己的大模型 API

音频文件、转写结果、声纹数据全留在你的 Mac 上，只有最后生成纪要时才调用你配置的 LLM API（Key 也只存本机）。

适合谁用：

开会多、不想录音上传到陌生服务器的职场人
访谈、播客录制需要逐字稿的创作者
对话类内容想要自动区分说话人的研究者
有自己的 API Key（如 DeepSeek、Qwen、OpenAI）想充分利用的用户

功能全景

1. 本地离线转写

基于 FunASR paraformer（阿里达摩院开源的 ASR 模型）+ VAD（语音活动检测）+ 标点恢复，离线生成逐句文稿。不需要联网，不需要账号，关飞行模式也能跑。

2. 说话人分离（谁在说）

基于 CAM++ 声纹模型，自动区分每句话由谁说出：

每个说话人用不同形状/颜色标注
声纹可管理（命名、修改、跨录音复用）
同一个人的声音在不同录音里会自动关联

会议里有 3 个人，你能直接看到「张三说了什么、李四说了什么、王五说了什么」，不再是混在一起的纯文本。

3. 声学情绪标注

基于 emotion2vec 在本地对每句话做情绪分类（正向 / 中性 / 负向等），全程离线。

4. AI 会议纪要

转写完成后，把逐句稿发给你配置的大模型生成结构化纪要：

支持任意 OpenAI 兼容接口（DeepSeek、Qwen、硅基流动、OpenRouter 等都行）
支持自然语言重写：「帮我把纪要改成汇报口吻」「提取所有 Action Item」
包含情绪语义分析（结合声学情绪 + LLM 分析）

5. 热词功能

在「热词」页手动添加专有名词（公司名、产品名、人名），提升转写准确率。支持从 txt 文件批量导入。

安装步骤（普通用户版）

第一步：下载

打开 Releases 页面，下载全部 Aham Voice.dmg.part* 分卷文件到同一个文件夹。

为什么有好几个分卷？ DMG 里内置了 AI 模型文件，体积较大，GitHub 有单文件 2GB 上限，所以拆分上传了。下载时全部选中，放在同一个文件夹里。

第二步：合并分卷

分卷下载完成后，打开「终端」（Terminal），运行：

# 先进入你下载分卷的文件夹，比如下载到桌面的 aham-voice 文件夹：
cd ~/Desktop/aham-voice

# 合并分卷（文件名按实际版本号调整）：
cat AhamVoice-v2.0.0.dmg.* > "Aham Voice.dmg"

稍等片刻，当前目录会出现一个 Aham Voice.dmg 文件。

终端在哪里？ 按 Command + 空格 打开 Spotlight，搜索「Terminal」或「终端」，回车打开。

第三步：安装

双击 Aham Voice.dmg → 把 Aham Voice 图标拖入「应用程序」文件夹。

第四步：解除 macOS 隔离

macOS 对从非 App Store 下载的应用有安全限制。首次运行前，在终端执行：

xattr -dr com.apple.quarantine "/Applications/Aham Voice.app"

执行完不会有任何提示，这是正常的。

更简单的方法：在 Finder 中找到 Aham Voice，右键 → 打开，弹出警告后点「打开」即可跳过隔离。

第五步：配置 LLM API Key

打开 Aham Voice → 点「设置」→ 填入你的 OpenAI 兼容 API：

字段	填什么
API Base URL	你的服务商地址（如 `https://api.deepseek.com/v1`）
API Key	你的 Key（形如 `sk-...`）
模型名	比如 `deepseek-chat` 或 `gpt-4o-mini`

填完后点「测试连接」，显示成功就可以用了。

没有 API Key？ 推荐注册 DeepSeek（价格低、中文效果好）或硅基流动（国内访问稳定），新用户一般有免费额度。

使用工作流

录制新会议

打开 Aham Voice → 点「新录音」
开始说话，实时看到波形
结束后点停止，等待本地转写（视录音长度，通常 1-2 分钟录音约需 30 秒）

导入已有录音

如果你之前用手机/录音笔/其他工具录好了音频，可以直接导入：

点「导入录音」，选择音频文件（支持常见格式）
等待转写和说话人分离完成

查看逐句稿

转写完成后进入「逐句转写」页面：

不同说话人用不同形状标注
点击任意句子可跳转到对应时间点播放
点击说话人标签可试听、命名声纹

生成会议纪要

进入「会议纪要」页面 → 点「生成纪要」，等待大模型返回结果。

纪要生成后可以用自然语言进一步加工，比如：

「提取今天会议里所有的待办事项」
「把这份纪要改写成发给客户的邮件格式」
「用中文总结关键结论，每条不超过两句」

添加热词

如果转写结果里公司名、产品名经常出错，进入「热词」页面手动添加。比如把「阿汉」加入热词后，系统会优先识别为你指定的写法。

技术选型说明（给好奇的读者）

组件	技术	说明
语音转文字	FunASR paraformer	阿里达摩院开源，中文效果尤其强
说话人分离	CAM++ 声纹模型	精确区分不同声音，支持跨录音复用
情绪分析	emotion2vec	声学层面的情绪分类，本地运行
会议纪要	OpenAI 兼容 API	用你自己的 Key，支持所有兼容接口
运行环境	macOS Apple Silicon	本地模型需要 M 系列芯片性能

整个设计思路是：能在本地跑的全在本地跑，只有生成质量最高的自然语言内容（纪要）才出门走大模型。这样既保证了隐私，也能让你自由选择最适合自己的大模型。

与其他方案的对比

方案	隐私	说话人分离	纪要	价格
Aham Voice	✅ 全本地	✅ 本地 CAM++	✅ 自己的 LLM	开源免费
飞书妙记	❌ 上传服务器	✅ 有	✅ 内置	会员付费
Otter.ai	❌ 上传服务器	✅ 有	✅ 有	订阅付费
Whisper + 脚本	✅ 本地	❌ 需额外配置	❌ 需额外配置	折腾成本高
通义听悟	❌ 上传服务器	✅ 有	✅ 有	有免费额度

Aham Voice 的核心差异化：本地推理链路最完整——不只是转写本地，说话人分离和情绪标注也全在本机跑，而且作为开源项目可以审查每一行代码。

常见问题

Q：转写速度怎么样？ A：1 分钟录音大约需要 30-60 秒（视 Mac 型号和录音质量）。说话人分离会额外花一些时间，但基本可接受。M2 Pro 以上体验明显更流畅。

Q：支持英文吗？ A：FunASR 主要针对中文优化，英文也能转写但不是强项。中英混合对话效果尚可。

Q：我用的是 Intel Mac，可以用吗？ A：目前发布的 DMG 仅支持 Apple Silicon（M1/M2/M3/M4），Intel Mac 暂不支持。如果你是开发者，可以从源码自行构建。

Q：API Key 安全吗？ A：Key 只存在本机的配置文件里，Aham Voice 不会把它发送到任何第三方服务，只用来调用你指定的 LLM API。

Q：哪个 LLM 效果最好？ A：中文纪要推荐 DeepSeek V3 或 Qwen-Plus，性价比高、中文理解强。如果追求质量上限，Claude Sonnet 或 GPT-4o 效果会更好。

Q：免费的吗？ A：完全开源免费（MIT 协议）。唯一的花费是你调用大模型 API 的费用，通常一次会议纪要不超过几分钱。

Aham 工具生态

Aham Voice 是 Aham 系列工具之一，作者的设计理念是「每个工具只把一件事做利落」：

工具	功能
Aham Voice	会议录音转写纪要（本文主角）
Aham Survey	现场调研工具——把对话做成结构化调研成果
Aham PPT	AI PPT 制作技能
Aham UI	供 AI 消费的设计系统
Aham Word	供 AI 消费的 Word 规范

总结

如果你是 Mac 用户，经常开会或录访谈，又不想把录音上传到陌生的服务器，Aham Voice 是目前开源社区里少数把「转写 + 说话人分离 + 纪要」都做进单机应用的项目。

安装稍有门槛（合并分卷 + 解除隔离），但配好后日常使用非常顺畅。配合价格便宜的 DeepSeek API，一个月会议纪要花不了几块钱。

© 2026 Author: Mycelium Protocol. 本文采用 CC BY 4.0 授权——欢迎转载和引用，须注明作者姓名及原文链接。

Capability	Where it runs
Speech-to-text (FunASR paraformer)	Local, offline
Speaker diarization (CAM++)	Local, offline
Emotion analysis (emotion2vec)	Local, offline
Meeting minutes generation	Your own LLM API

Aham Voice：Mac 本地会议录音，转写+说话人分离全离线，纪要接自己的大模型

Aham Voice: Local Offline Meeting Transcription for Mac — Speaker Diarization + AI Minutes with Your Own LLM

项目信息

为什么值得一用