聆音 LingYin

纯本地、低资源的中文实时语音字幕工具

当前版本v0.1.1（2026-09-13）

Git 标签v0.1.1（另有 v0.1.0）

状态可试用（提供 Windows 便携包）

平台Windows x64（纯 CPU 推理，无需显卡）

技术栈Rust 2024 七 crate 工作区 + sherpa-onnx(SenseVoiceSmall INT8) + cpal 采集 + GPUI 悬浮窗

许可Apache-2.0

仓库https://gitcode.com/nana-gamer/LingYin（GitCode）

项目是做什么的

聆音是一个实时中文语音字幕工具，面向会议、讲座参会者，听障人士，以及需要给录制内容配字幕的创作者。

打开程序后它会持续采集麦克风音频，在本机用 sherpa-onnx 跑 SenseVoiceSmall 模型做识别，结果实时显示在置顶的半透明字幕窗里，同时按时间写入日志文件；全过程不联网，除了首次下载模型。

为控制门槛，默认走纯 CPU 推理、模型约 230 MB、交付物是不依赖外部运行时的便携包，解压即用。

核心能力

• 开启麦克风后持续把语音转成中文，显示在半透明置顶悬浮字幕窗，并按时间写入日志文件
• 识别完全在本地完成，数据不上传；默认纯 CPU 推理（SenseVoiceSmall INT8 约 230 MB）
• 端到端延迟目标 < 500 ms，面板保留最近 10 条、默认可见 3 行并持续滚动
• 模型首次启动从 ModelScope 自动下载，支持断点续传
• 交付为不依赖外部运行时的便携可执行包

界面截图

点击任意截图可放大查看；截图都是本机真实运行程序后截的。

悬浮字幕窗

悬浮字幕窗：三行实时中文识别结果，半透明置顶

悬停控制栏

鼠标悬停时出现的控制栏：开始 / 停止、字号加减、透明度、最小化、退出

终端日志

终端日志：本地模型跑完 33.6 秒音频用 1.5 秒（22.8× 实时），输出 8 条最终结果与 29 条中间结果

关于截图

截图里的中文字幕来自本地模型对一段中文语音（WAV 回放）的真实识别结果，其中包括模型自己的同音错字（「聆音」被识别成「铃音」），未做修饰。

下载

• lingyin-0.1.1-windows-x64.zip —— 12.5 MB，Windows x64 便携包，解压后双击 start.cmd；SHA256 b74c7367318d6c50f1bb1a8e6c9804c4989cfc22d12b7d9d76f8d12547be96d2

发版记录

• v0.1.1（2026-09-13）—— 详见发版信息。