livesub

项目简介 livesub 是一个面向直播、视频与线上通话的实时双语字幕工具，通过 npm 安装后在本地跑起一个服务，浏览器打开 http://localhost:8000 即可使用。语音识别可以完全在你自己电脑上用 Qwen3-ASR 完成，即使背景有音乐也能维持较准的识别；翻译则可以按需选择云端大模型、本地大模型、Firefox 的离线翻译模型，或者干脆不翻译。项目为 MIT 开源，npm 最新版本 0.3.0，GitHub 仓库用 TypeScript 编写，2026 年 5 月建仓、10 月仍在持续推送。

核心功能

• 浏览器标签页或麦克风双路音频采集，字幕直接显示在网页里
• 「弹出」模式把字幕放进置顶小窗，可直接叠在视频画面上方
• 语音识别后端可选：本地 Qwen3-ASR 0.6B / 1.7B、Qwen 云端、OpenAI Realtime、Gemini Live、本地 Voxtral 4B
• 翻译后端可选：DeepSeek、Claude Haiku / Sonnet、Gemini、Ollama / LM Studio / OpenRouter，以及完全本地的 Firefox 翻译模型
• 界面语言跟随浏览器（中文或英文），「设置 → 显示」可切换；「设置 → 后端」切换识别与翻译引擎

特色优势

• 本地优先：没有 API key 也能用 Firefox 离线翻译模型跑完整流程，音频与文本不出本机
• 识别与翻译可以分开选，作者本人常用「本地 ASR + DeepSeek 翻译」来兼顾隐私、速度与准确率
• 本地翻译模型走 CPU，每句约 20–60 毫秒，内存占用 300–600 MB，每个语言方向模型 50–70 MB
• 隐私可控：默认只监听 127.0.0.1:8000，只有显式加 --host 0.0.0.0 才会暴露到局域网

应用场景

• 直播场控与语音房连麦：给自己的直播间配实时字幕
• 看外语课程、参加线上会议时同步生成双语字幕
• 跨国团队协作：异地同事用各自语言实时读懂对方
• 无障碍辅助：给听障同事或自己提供即时文字转写

适用人群 做直播运营、跨语言内容消费、需要会议记录的远程团队，以及对隐私敏感的开发者。作者说明本地 ASR 在有背景音乐时也算稳；如果要更干净的识别效果，OpenAI Realtime 这类云端方案表现更好。

技术实现 Node.js 22.15 以上配合 Chrome 或 Edge（用于采集标签页音频）即可运行，前端是浏览器页面加 PWA 静态资源，识别与翻译通过统一的后端抽象接入。模型默认下载到系统数据目录（macOS 上是 ~/Library/Application Support/livesub），可用 LIVESUB_DATA_DIR 改写；下载慢时设 HF_ENDPOINT 指向 Hugging Face 镜像，翻译模型镜像用 MT_ENDPOINT。本地识别支持 macOS 13.3+、Linux（x86-64 需支持 AVX2 或 arm64，glibc 2.28+）与 Windows（x86-64 需 AVX2），其他系统请改用云端后端。

安装配置

• npm install -g livesub@next（正式版用 npm install -g livesub）
• 首次进入页面按提示下载语音模型，选择「麦克风」或「标签页」后点「开始」
• 需要更好的翻译时，在启动目录放 .env 写入 DEEPSEEK_API_KEY 等 key，livesub 从当前目录读取
• 额外翻译后端写在 livesub.toml 里；命令行可用 --port 改端口，用 --host 0.0.0.0 让手机等设备访问

更新动态 仓库当前提供 v0.1.0、v0.3.0-alpha.1 与 v0.3.0 三个标签，最近一次推送在 2026 年 10 月 20 日。内置翻译引擎 vendor/bergamot 来自 Mozilla（MPL-2.0），翻译模型同样由 Mozilla 提供（MPL-2.0），其余代码 MIT 授权。

官方链接 项目仓库 https://github.com/nexustar/livesub ，npm 包 https://www.npmjs.com/package/livesub 。