VocalCode Community：CPU 优先的本地听写与会议记录，不上云不激活

wudaming00/vocalcode-community，AGPL-3.0-only，Rust + sherpa-onnx，2026-09-22 开源源码预览。本地优先的语音听写与会议记录工具，CPU 跑，不需要 GPU，不需要账号，不上云。

GitHub：github.com/wudaming00/vocalcode-community | License：AGPL-3.0-only | 平台：Apple Silicon macOS + Windows x64

---

背景：作者的自用工具

作者 Daming Wu 用 AI 编程工具（Claude Code、Cursor）写代码，习惯口述长提示词而不是用键盘逐字打。他想要的很简单：语音转文字，全在本机跑，按键说话松键停，什么都不出设备。

VocalCode 最开始是这个逻辑的产物：付费桌面 App（4.99 美元一次性买断，30 天免费试用），面向日常口述场景。

Community 版的出现是把本地功能这部分彻底开源出来：源码 AGPL-3.0 开放，社区构建版无需购买，无需账号，无需激活码，本地特性全部解锁。

---

两个核心功能

1. 实时听写

推荐的使用方式是「推说停释」（Push-to-talk）：按住快捷键说话，松开立即得到转录文字，插入光标位置。

模型默认选项：

• Parakeet TDT v3（NVIDIA 出品，transducer 架构）：CPU 上约 3300× 实时速度，平均词错率 6.32%，25 种语言，静默段不幻觉
• Paraformer：阿里达摩院出品，中英混合场景覆盖更好，单通道 CPU 推理

sherpa-onnx 把这两个模型统一包装，不需要 Python 环境，不需要 PyTorch，Rust 二进制直接加载 ONNX 权重。

为什么 Parakeet TDT 比 Whisper 更适合听写？

Whisper 是编码器-解码器架构，解码阶段有自由生成能力——这意味着在录音开头/结尾的静默段，模型可能”编”出完全不存在的句子（幻觉）。Parakeet TDT 是流式 transducer，结构上不会在静默段输出。对于听写场景（大量开头结尾静默），这个差异比 benchmark 分数更重要。

2. 会议记录

本地录制会议音频 → 转录 → 建立可搜索的文本数据库 → 导出。

整个链路：录音文件在本机 → 模型在本机 → 转录结果在本机 → 搜索索引在本机。VocalCode 的说法是「recognition audio and transcripts are not uploaded by these pipelines」，这是架构保证，不是隐私政策里的承诺。

---

个人词汇与纠错学习

这是区分度比较高的一个功能：工具支持用户建立个人词汇表（项目名、人名、专有名词），模型在推理时会优先使用这些词汇修正输出。

对于开发者场景，这个意义在于：代码库里的函数名、模块名、同事名字这类词，通用 ASR 模型经常拼错或识别成同音异义词，个人词汇表可以有效解决这个问题，不需要微调模型。

---

技术栈

组件	内容
语言	Rust
推理引擎	sherpa-onnx（无 Python，无 PyTorch）
语音模型	Parakeet TDT v3 / Paraformer
平台	Apple Silicon macOS / Windows x64
分发	Homebrew（macOS）/ winget（Windows）
开源协议	AGPL-3.0-only

Homebrew 安装（macOS）：

brew install wudaming00/tap/vocalcode

winget 安装（Windows）：

winget install wudaming00.VocalCode

---

Community 版 vs 付费版

Community 版是同一套桌面 App 的源码开放构建，本地特性全部可用，无需激活。付费版（4.99 美元）主要差异集中在云同步、优先技术支持等扩展功能，核心的本地语音处理没有功能锁。

---

局限性

1. AGPL-3.0 协议：如果基于源码构建服务，需要开放相应修改。商用集成需要认真看协议条款。

2. 语言覆盖：Parakeet TDT v3 支持 25 种语言（主要欧洲语言 + 英语），不覆盖日语、韩语、阿拉伯语等。Paraformer 针对中英混合有优化，其他语言支持有限。如果主要工作语言不在这个列表里，Whisper 仍然是更安全的选择。

3. 源码预览阶段：2026-09-22 的发布标注为 source-preview，不是稳定发布。自行构建需要 Rust 工具链，不是开箱即用。预构建二进制仍通过 Homebrew/winget 分发。

4. Windows 仅 x64：ARM64 Windows 不在支持列表。

5. 会议记录功能仍在迭代：个人词汇学习、会议搜索等功能按项目说明仍处于「探索」阶段，功能成熟度低于听写核心功能。

---

怎么看这个项目

VocalCode Community 的核心判断是：本地 ASR 的质量已经够用，问题是集成和工程包装。Parakeet TDT 的 CPU 性能和 Whisper 的幻觉问题都是已知的，作者选了 Rust + sherpa-onnx 这条不依赖 Python 生态的路，打包成桌面工具开源出来。

个人词汇修正和无幻觉静默处理，这两个功能在开发者口述场景里是真实的痛点，不是噱头。

AGPL-3.0 是正经的开源协议，社区版的本地功能完整解锁，不是砍掉核心功能的开源引流版。

对于日常需要对 AI 编程工具口述长指令的开发者，值得试用。对于想理解「本地 ASR 怎么做成桌面工具」的技术人，源码是个不错的参考。

AGPL-3.0-only，开源仅供学习研究参考。

---

VocalCode Community: CPU-First Local Dictation and Meeting Notes

wudaming00/vocalcode-community (AGPL-3.0-only, Rust + sherpa-onnx) opened its source on 2026-09-22. It’s a local-first dictation and meeting notes tool: CPU only, no GPU needed, no account, no cloud upload.

GitHub: github.com/wudaming00/vocalcode-community | License: AGPL-3.0-only | Platforms: Apple Silicon macOS + Windows x64

---

Origin

Author Daming Wu uses AI coding tools (Claude Code, Cursor) and prefers to dictate long prompts rather than type them. He wanted push-to-talk speech input that ran entirely on-device. VocalCode started as a paid desktop app (USD 4.99 one-time). Community Edition opens the local-processing code under AGPL-3.0: no purchase, no account, no activation required, all local features unlocked.

---

Two Core Features

1. Real-time Dictation (Push-to-talk)

Hold a hotkey → speak → release → transcription inserted at cursor. Two model options:

• Parakeet TDT v3 (NVIDIA, transducer architecture): ~3,300× real-time on CPU, 6.32% avg WER, 25 languages, no silence hallucinations
• Paraformer (Alibaba DAMO Academy): better Chinese-English code-switching coverage

Why Parakeet TDT beats Whisper for dictation: Whisper’s encoder-decoder design can hallucinate fluent text during silence segments. Transducer models like Parakeet are structurally resistant to this — they emit tokens only when acoustic evidence arrives. For dictation (many leading/trailing silence segments), this matters more than benchmark scores.

2. Meeting Notes

Local recording → transcription → searchable local database → export. The full pipeline never leaves the device.

---

Personal Vocabulary

Users can define a personal vocabulary (function names, project names, colleague names). The model applies corrections at inference time — no fine-tuning needed. This directly addresses the common problem of ASR models mangling code-specific proper nouns.

---

Tech Stack

Component	Details
Language	Rust
Inference	sherpa-onnx (no Python, no PyTorch)
ASR Models	Parakeet TDT v3 / Paraformer
Platforms	Apple Silicon macOS / Windows x64
Distribution	Homebrew (macOS) / winget (Windows)
License	AGPL-3.0-only

# macOS
brew install wudaming00/tap/vocalcode

# Windows
winget install wudaming00.VocalCode

---

Limitations

1. AGPL-3.0: Network service deployments must open-source modifications.
2. Language coverage: Parakeet TDT v3 covers 25 (primarily European) languages. No Japanese, Korean, Arabic. Whisper remains the safer choice for broad multilingual needs.
3. Source preview: The 2026-09-22 release is tagged source-preview, not a stable build. Pre-built binaries via Homebrew/winget are the intended distribution path.
4. Windows x64 only: ARM64 Windows not supported.
5. Meeting features still maturing: Meeting search and vocabulary learning are listed as exploratory.

---

Assessment

The core bet: local ASR quality is good enough; the gap is integration and packaging. The Rust + sherpa-onnx stack avoids the Python ecosystem entirely — that’s a real engineering choice, not just a preference. Personal vocabulary correction and silence-resistant transcription both address genuine pain points for developer dictation workflows.

The Community Edition isn’t a crippled open-core bait — local features are fully unlocked. For developers who regularly dictate long prompts to AI coding tools, it’s worth trying. For engineers who want to understand how to ship a desktop local-ASR tool, the source is a solid reference.

AGPL-3.0-only. For learning and research reference only.