工具定位与核心功能解析
ScribeCrate 把 faster-whisper 打包成一个 Docker 转写服务,对外只有两个常见接口:/v1/audio/transcriptions 和 /v1/audio/translations。原来对接 OpenAI Whisper API 的客户端,把地址指到你自己的服务器,常见转写调用就能对接。上传 MP3、M4A、WAV、WebM、OGG、FLAC 六种格式,可返回纯文本、JSON、verbose JSON、SRT 或 WebVTT 字幕,翻译接口输出英文。模型从 tiny 一路选到 large-v3、large-v3-turbo。装上本地 sherpa-onnx 扩展可以做说话人分离,访谈和会议纪要能标出每段是谁说的;上传的文件还能用 SSE 流式收转写结果。提前缓存模型并打开 WHISPER_LOCAL_ONLY,可以完全离线运行。一条 docker run 命令在 9000 端口启动,默认只监听本机,新装自动生成 API key。作者是 Self-Hosted AI Stack 的 Lin Song,其仓库合计超过 4 万 GitHub star。它只管录音文件,实时麦克风转写要用同作者的姊妹项目 ScribeCrate Live。约一个月前上架 theresanaiforthat.com,10 人评分 4.6,star 数与评分均为 2026-11-11 现查。
自己服务器上的转写 API,接口兼容 OpenAI,音频不出你自己的服务器。 针对实际工程与创作场景进行了深度评测,从运行稳定性、工作流摩擦力以及相对竞品的投入产出比进行全面评估。
核心优缺点实测
✓ 核心优势
- 接口与 OpenAI Whisper API 兼容,常见转写调用改一个地址就能对接到自己的机器
- MIT 协议,镜像由公开的 GitHub Actions 自动构建,拉下来的镜像能对上源码
- 模型缓存后可完全离线跑,CPU 支持 amd64 和 arm64,NVIDIA 显卡有 CUDA 镜像
- 能出 SRT、WebVTT 字幕,接 sherpa-onnx 还能标说话人,全都不收授权费
✕ 局限与注意
- 没有托管版,得自备 Linux 主机和 Docker,跑起来之前先有硬件开销
- 只处理上传的录音文件,实时麦克风或音频流要另装 ScribeCrate Live
- SSE 流式模式下不做说话人分离,流式片段和说话人标签只能选一头
- 它没有实现 OpenAI 音频接口的全部参数,边缘选项可能缺
价格与订阅方案
收费档位:Free
软件本身不收钱,MIT 开源协议,2026-11-11 在 scribecrate.com 和 GitHub 仓库(hwdsl2/scribecrate)核对。花销只有自己的服务器:默认 CPU 部署,基础模型至少留 700 MB 可用内存;amd64 上有 NVIDIA CUDA 镜像可选。官网没有托管套餐,也没有按量计费;API 跑在你自己机器上,不需要 OpenAI 账号或 key。
同类替代工具对比
如果 ScribeCrate 不完全符合你的预算或技术栈需求,以下是同一应用场景下的顶尖替代方案:
| 替代工具 | 收费模式 | 核心适用场景 | 综合评分 | 对比评测 |
|---|---|---|---|---|
| ElevenLabs | Freemium | 视频创作者、播客主播、有声读物录制、游戏角色配音与跨国出海本地化译配团队。 | ★ 4.9 | 查看深度评测 → |
| Fireflies.ai | Freemium | 跨国远程团队、销售拜访、用户深度访谈(UX Research)与项目进度同步会议。 | ★ 4.7 | 查看深度评测 → |
| OpenAI Whisper | Free | 视频字幕制作者、开发听写工具的工程师以及需要在本地离线处理高私密录音的用户。 | ★ 4.9 | 查看深度评测 → |
同领域精选推荐
ElevenLabs
语音与音频用于生成和克隆语音,也提供多语言配音,适合有声内容和视频译配。
Fireflies.ai
语音与音频全能会议智能助手,自动接入 Zoom/Teams/Meet,实时听写讨论并提取关键待办。
OpenAI Whisper
语音与音频由 OpenAI 开源的全球顶尖语音识别与自动转录模型,抗噪力强,支持近百种语言。