会议录音怎么转成文字和字幕？Mac 本地跑 FunASR，附脚本

开完会要整理纪要，或要给课程视频加字幕，你可以把录音转成带时间码的 SRT 和按说话人分段的文字稿。FunASR 是阿里通义实验室维护的开源语音识别工具；这篇教程带你在 Mac 上本地跑中文模型，适合经常处理录音、又不想把音频交给在线转写服务的人。

下面这段约 50 秒的示例录音由 macOS 中文语音合成生成，不是真人会议录音：

试听合成的两人会议对话

我在 M1 Max、64GB 内存的 Mac 上，用 FunASR 1.4.16 跑过这段录音，生成了 SRT 字幕和分说话人的文字稿。示例里两人轮流说了 7 段，分段都标对；有 1 处同音字错误，交接处还有 2 处断句不准。识别结果需要人工校对，不能直接当正式会议纪要。

你需要准备

模型下载完成后，识别过程在本机运行，音频不会发到云端识别接口。首次安装和下载模型并非离线操作；如果会议内容敏感，也要先确认你有权保存和处理这段录音。

下载工具包

完整脚本在这个工具包里：下载 FunASR 会议转写工具包。解压后能看到 meeting_transcribe.py、安装说明和一段合成练习录音。

脚本会把 WAV 转成同名的 .srt 和 .txt：SRT 可导入剪映等字幕编辑器；TXT 按说话人和时间分段，适合整理纪要底稿。示例输出如下：

转写结果包含按说话人分段的文字稿和 SRT 字幕

安装 FunASR

FunASR 是 Python 工具，没有需要点击的桌面界面；你在终端里安装和运行。下面用 uv 建一个独立环境，避免和其他 Python 项目的依赖混在一起。第一次接触终端，可以先看终端入门和安装 Python 与虚拟环境。

在终端执行：

mkdir -p ~/ai-demo/asr && cd ~/ai-demo/asr
uv venv --python 3.11 --managed-python
source .venv/bin/activate
uv pip install "funasr==1.4.16" modelscope torch torchaudio "transformers>=4.45"

这组命令对应 2026 年 10 月 3 日记录的验证环境。FunASR、Torch 和 Torchaudio 的兼容关系会随版本变化；如安装失败，先核对FunASR 官方安装说明里的 Python 与 PyTorch 要求，再按你的 Mac 芯片选择匹配的 Torch/Torchaudio 版本。不要把 arm64 和 Intel 的 Python 包混装。

首次运行会下载 4 个组件：识别语音的 Paraformer、找出说话区间的 VAD、补标点的 CT-Transformer，以及区分说话人的 CAM++。首次启动通常会比后续运行久；终端显示下载或模型加载信息时先等它完成。模型准备好后，可以断网处理本地 WAV。

把录音转成文字和字幕

本工具包脚本接收 16kHz、单声道 WAV。Mac 自带 afconvert 可以把常见的 m4a 或 mp3 转成这个格式：

afconvert -f WAVE -d LEI16@16000 -c 1 "录音.m4a" "会议.wav"

把 meeting_transcribe.py 放到录音旁边，再运行：

python meeting_transcribe.py "会议.wav"

第一次运行会加载模型；完成后，录音所在目录会多出 会议.srt 和 会议.txt。模型会用 VAD 找出语音片段，用 Paraformer 识别文字，再加标点和说话人标签。你可以先播放原录音，再逐句检查专有名词、数字、发言人和时间码。

终端显示模型加载完成并输出字幕和文字稿

速度和识别效果

下面是 2026 年 10 月 3 日在 M1 Max、64GB Mac 上的记录，供你估算等待时间，不代表其他设备的速度：

多人同时说话、远距离收音、背景音乐、口音和人名都会降低效果。把转写稿作为初稿使用，特别核对姓名、金额、日期和任务负责人；需要对外发布时，先取得相关人员同意并检查内容。

常见问题

提示 Failed to load audio：先把 m4a 或 mp3 转为 16kHz 单声道 WAV，再把生成的 WAV 路径传给脚本。

第一次运行很久没反应：模型可能还在下载或加载。首次下载约 2GB 是这次旧环境的记录，实际下载量取决于模型和缓存；以后再运行通常不用重复下载完整模型。

说话人标签不够准：模型给出的“说话人1/2”是自动区分结果，不等于确认了真实身份。多人抢话、同一人离麦克风远近变化时，标签可能跳动；对照原音手工修正，不要用模型标签证明是谁说了某句话。

人名或产品名经常识别错：本次使用的 SeACo Paraformer 支持热词。热词写法和模型版本有关，先看模型卡中的调用示例，再按当前脚本接口添加。

能不能商用：FunASR 代码仓库采用 MIT 许可，但模型权重按各自模型卡或FunASR 模型协议执行，依赖库也有各自许可。商用前确认实际下载的模型 ID、署名要求和模型名保留要求；代码许可证不自动替代模型许可证。

用它做录音整理服务

如果你经常替客户整理访谈、课程或播客录音，可以把本地转写当作初稿环节：先确认客户有权提供录音，再转成文字和字幕，最后人工校正人名、数字、时间码和说话人。报价前先问清音频时长、是否需要逐字稿、时间轴、说话人校对和保密交付；各平台的同行报价差异很大，可以按同类服务的工作范围自行比价，不要只按模型跑完的时间估算。

交付时把原音、SRT 和校正后的文字稿分开命名；客户未授权时，不要把录音上传到在线模型做摘要，也不要在示例或作品集中公开原始对话。

工具入口

如果你的录音不方便离开电脑，这条本地路线可以作为转写初稿；若要做最终会议纪要，仍需结合议程和原音人工整理。