实时捕获腾讯会议、钉钉等视频会议软件的系统音频，使用本地 FunASR Paraformer 模型将语音转为文字，并通过置顶浮窗实时展示，支持一键复制到历史记录。
| 功能 | 说明 |
|---|---|
| 🎙 实时语音识别 | 监听系统音频，段落结束后自动转文字 |
| 📋 复制到历史 | 点击按钮，当前内容带时间戳追加到历史区，同时写入剪贴板 |
| 🗑 删除 | 清空当前识别区 |
| 🪟 窗口置顶 | 浮窗默认置顶，随时可见 |
| 🌐 多语言 | 支持中文、英文及自动检测 |
| 💻 纯本地 | FunASR Paraformer 完全离线运行，无需 API Key |
┌─────────────────────────────────────────────────────┐
│ 🎙 Interview Assistant [置顶 ✓] │
├─────────────────────────────────────────────────────┤
│ 音频设备: [系统音频] default monitor 语言:[zh▼] │
│ 状态: 🎙 监听中… 音量 ████████░░ │
├─────────────────────────────────────────────────────┤
│ 实时识别 │
│ ╔═══════════════════════════════════════════════╗ │
│ ║ 你好，我是今天的面试官，请做一个自我介绍。 ║ │
│ ╚═══════════════════════════════════════════════╝ │
│ [ 🗑 删除 ] [ 📋 复制到历史 ] │
├─────────────────────────────────────────────────────┤
│ 历史对话 [清空历史] │
│ ╔═══════════════════════════════════════════════╗ │
│ ║ [14:23:05] 请问你有哪些项目经验？ ║ │
│ ║ ───────────────────────────────────────── ║ │
│ ║ [14:25:12] 好的，那我先介绍一下背景情况… ║ │
│ ╚═══════════════════════════════════════════════╝ │
└─────────────────────────────────────────────────────┘
git clone https://github.com/CJWang-bilibili/Interview-Assistant.git
cd Interview-Assistant
bash setup.shgit clone https://github.com/CJWang-bilibili/Interview-Assistant.git
cd Interview-Assistant
setup_windows.batpython3 main.py # Linux / macOS
python main.py # Windows首次启动会自动下载 Whisper
base模型（约 150 MB），之后离线运行。
在「音频设备」下拉框中选择带 [系统音频] 前缀的设备（PulseAudio/PipeWire monitor），即可捕获腾讯会议、钉钉等软件播放的声音。
Step 1 — 安装 VB-CABLE 驱动
下载并以管理员身份运行 VBCABLE_Driver_Pack45.exe：
https://vb-audio.com/Cable/
安装完成后系统会新增两个虚拟设备：
CABLE Input— 虚拟扬声器（让会议软件往这里输出）CABLE Output— 虚拟麦克风（本工具从这里读取）
Step 2 — 设置会议软件扬声器 打开腾讯会议 / 钉钉 / Zoom 等，将「扬声器」改为 CABLE Input。
Step 3 — 启动本工具
运行 python main.py，「音频设备」下拉框会自动选中 [VB-CABLE] CABLE Output，直接点「开始监听」即可。
⚠️ 使用 CABLE Input 作为扬声器后没有声音？这是因为音频流进了虚拟管道，没有转发到真实扬声器。解决方法：
- 右键任务栏音量图标 → 声音（或打开控制面板 → 声音）
- 切到 录制 选项卡
- 找到 CABLE Output → 右键 → 属性
- 切到 侦听 标签页
- 勾选 侦听此设备
- 「通过此设备播放」选你的 真实耳机 / 扬声器
- 点击 确定
设置完成后，音频会同时送到：CABLE Output（本工具识别）+ 你的真实扬声器（你能听到）。
安装 BlackHole 虚拟音频设备，并在会议软件中将输出路由到 BlackHole，再在本工具中选择 BlackHole 作为输入设备。
Interview-Assistant/
├── main.py # 入口，组装各模块
├── audio_capture.py # 系统音频捕获（sounddevice）
├── transcriber.py # 实时语音识别（faster-whisper）
├── gui.py # 浮窗 UI（tkinter）
├── requirements.txt # Python 依赖
├── setup.sh # Linux/macOS 安装脚本
└── setup_windows.bat # Windows 安装脚本
| 包 | 用途 |
|---|---|
| FunASR | 本地语音识别（阿里达摩院，中文最优） |
| ModelScope | 模型下载管理 |
| PyTorch | FunASR 推理后端 |
| sounddevice | 音频流捕获 |
| numpy | 音频数据处理 |
| tkinter | GUI（Python 标准库） |
Q: 识别延迟多久？
A: 说话停顿 12 秒后触发，CPU 上 Paraformer 约 0.52 秒出结果，比 Whisper 快。
Q: 支持英文吗？
A: 支持。在语言下拉框选 en 自动切换为 paraformer-en，选 auto 使用 SenseVoice 多语言模型。
Q: 首次下载慢怎么办？ A: 模型从 ModelScope（阿里云）下载，国内速度较快。下载后完全离线运行。
Q: 相比 Whisper 提升多少？
A: 中文字错率 Paraformer 约 35%，Whisper base 约 1520%，提升显著。