闻道（Wendao）（开源社区）

📌 工具简介

闻道（Wendao）是由 wuji-labs 开源的自托管会议与音视频转写工具，定位是“隐私优先的飞书妙记 / Otter.ai 替代方案”。它的核心逻辑非常直接：录音、转写和会议内容全程跑在你自己的机器上，不上传任何第三方服务器。转写使用本机 GPU 上的 Whisper 系开源模型，AI 智能纪要则调用本机 Ollama 运行的本地大模型。这意味着从音频上传、语音识别、说话人分离到纪要生成，整条链路的数据都不离开你的基础设施。项目在 GitHub 上以开源形式维护，代码包含前端、后端和 ASR 微服务，通过 Docker Compose 可以相对快速地完成自托管部署。对于对数据隐私有硬性要求、又不愿牺牲 AI 纪要效率的团队和个人来说，闻道提供了一条“自己掌控数据”的路径。

⚡ 主要功能

• 上传即转写：上传音频或视频文件，自动完成语音识别，输出带词级时间戳的转写文本，精确到每一个词的出现时间
• 说话人分离（Diarization）：通过声纹聚类自动区分不同说话人，并支持将“说话人 1”重命名为真实姓名，句段归属可手动调整
• 词级卡拉OK高亮与同步播放：点击转写中的任意词即可跳转到播放器对应位置，播放时当前词高亮显示，支持倍速、跳空白、字幕和双语字幕
• AI智能纪要（本机LLM）：按需生成整体总结、要点、风险提示、章节划分、待办抽取（含责任人）和自动标题，每一条纪要都附带可点击的原文溯源链接
• 与转写对话：基于录音内容进行问答，答案附带引用行号，适合会后快速追问细节而不用重新回听录音
• 协作功能：支持划重点、句段评论、可分享片段和链接权限范围，团队可以在转写文本上直接协作
• 转写编辑与翻译：直接修改转写文本、整理段落；支持中、英、日互译，并可生成双语转写
• 组织与统计：文件夹管理、全文搜索、转写内搜索；按说话人统计发言时长、占比和字数，以及访问和评论数据
• 多格式导出：支持导出 TXT、SRT、Markdown 和 DOCX，说话人标签和时间戳可选保留
• 完全自托管架构：前端（Next.js）、后端（Fastify）、ASR微服务（Python FastAPI）和本地 Ollama 模型均可运行在自己的服务器上，数据不出域

💰 价格信息

闻道本身是开源项目，软件层面不收取订阅费或授权费。但“免费”的前提是你需要自行提供运行环境：一台具备足够算力的服务器或本地机器，转写环节推荐使用 CUDA GPU（CPU 可以运行但速度较慢），以及本机运行的 Ollama 来承载 AI 纪要的模型推理。实际成本取决于你的硬件投入或云服务器开销，而非软件购买费用。此外，项目文档中提到部分声纹分离模型权重采用 CC-BY-NC-4.0 等非商业许可证，如果用于商业部署，需要仔细核对所用模型的具体授权条款。对于个人学习、内部团队使用或对数据主权有明确要求的场景，闻道的总拥有成本主要体现在运维和硬件上，而不是持续性的订阅支出。

👥 适合人群

对会议录音和数据隐私有硬性要求的团队（法务、医疗、金融、政企等敏感行业）；希望完全掌控转写和纪要数据、不接受第三方云服务的组织；已经具备或愿意投入 GPU 服务器资源的技术团队；需要将会议转写与 AI 纪要能力嵌入内部工作流、并可能进行二次开发的开发者；以及希望用开源方案替代飞书妙记、Otter.ai 等 SaaS 工具，以规避持续订阅成本和数据外流风险的团队。闻道不适合没有服务器运维经验、希望开箱即用的个人用户——它的价值建立在“自托管”之上，部署和维护本身就是使用成本的一部分。

✅ 优点

• 数据主权完整：录音、转写和纪要全程跑在自己的服务器上，不上传任何第三方云，对敏感会议场景是刚需级优势
• 开源可控：代码公开，可按需修改和集成，不受SaaS厂商的功能限制或定价调整影响
• 功能完整度在自托管方案中突出：词级时间戳、说话人分离、卡拉OK高亮、AI纪要带引用溯源、转写对话、协作评论和多格式导出一并覆盖
• AI纪要按需生成，不阻塞转写流程：句段化完成后转写立即可用，LLM 不会拖慢核心的语音识别环节
• 技术栈现代：Next.js 16 + Fastify + tRPC + Python FastAPI ASR 微服务，架构清晰，便于二次开发和维护
• 零软件订阅费：一次部署，长期使用，没有按分钟或按席位的持续性支出

⚠️ 缺点

• 部署门槛较高：需要熟悉 Docker Compose、PostgreSQL、Python 环境、Ollama 模型拉取和 GPU 配置，不是开箱即用的产品
• 硬件成本不可忽视：转写推荐 CUDA GPU，CPU 虽可运行但速度较慢；AI 纪要依赖本地 Ollama 模型，对显存和算力有一定要求
• 无官方SaaS服务：没有托管版或网页版可以直接注册使用，所有运维责任由使用者承担
• 商业使用需自行核对模型许可：部分声纹分离模型权重为非商业许可（CC-BY-NC-4.0），商业部署前需要逐一确认所用模型的授权条款
• 作为开源项目，功能迭代节奏和问题响应依赖社区和开发者，缺乏商业产品的 SLA 保障
• 对非技术用户不友好：没有服务器运维经验的个人用户，学习和部署成本可能超过其实际收益

💡 使用技巧

• 部署前先确认硬件条件：ASR 微服务推荐 CUDA GPU，Ollama 生成纪要需要足够的显存。如果只在 CPU 上跑，做好转写速度较慢的心理预期，可以先用短音频测试全流程
• 使用 Docker Compose 是相对省力的启动方式，按照仓库文档将 .env.example 复制为 .env 并按需调整，可以避免大部分环境配置问题
• Ollama 默认拉取的是 qwen3:30b-a3b，如果显存有限，可以在配置中换成更小的模型，AI 纪要质量会有取舍，但部署成功率更高
• 商业部署前务必阅读 docs/diarization-and-models.md 中关于模型许可证的说明，部分声纹模型明确标注 NON-COMMERCIAL，不要默认所有组件都可以商用
• 转写完成后优先使用“与转写对话”功能快速追问关键信息，比逐段阅读更高效；对不确定的纪要结论，点击引用直接跳回原文核对
• 如果只是个人或小团队内部使用，可以在一台带 GPU 的闲置机器或本地工作站上部署，既省去云服务器成本，又能保证数据完全可控
• 将闻道定位为“内部数据基础设施”而非“个人效率APP”，它的价值在数据不出域的前提下提供完整的转写和纪要能力，接受这一点再评估部署投入是否值得