DeLive 2.0：从字幕转录到 AI 工作台的进化

背景

在观看视频、直播或在线课程时，许多用户面临一个共同的痛点：平台通常不提供字幕导出功能。虽然早期的工具（如 DeLive 1.0 版本）解决了“实时将系统音频转为文字”这一基础需求，但用户在使用流程中发现了新的断点。

转录完成后，数据往往处于孤立状态。用户需要手动复制文本，切换到 AI 对话窗口（如 ChatGPT 或 Claude），再次粘贴并提问。这种割裂的操作流程不仅效率低下，也阻碍了 AI 对原始音频数据的深度利用。DeLive 2.0 的诞生正是为了解决这一“数据孤岛”问题，旨在构建一个从捕获、转录到 AI 处理的闭环工作台。

核心内容

DeLive 2.0 并非简单的功能迭代，而是基于新核心思路的重写版本。其核心逻辑是将“捕获 → 转录 → AI 处理 → 对外开放 MCP/Skill 接口调用”整合在一个统一的应用中。

1. 跨平台支持

DeLive 2.0 实现了真正的跨平台覆盖：

• Windows：作为稳定版提供。
• macOS / Linux：目前处于测试版阶段，但已具备可用性。

2. 多元化的 ASR（自动语音识别）后端

为了满足不同场景下的精度、延迟和成本需求，DeLive 2.0 集成了 6 种 ASR 后端服务：

• Soniox：流式转录性能顶尖，支持翻译及说话人识别。
• 火山引擎：在中文识别上表现最强，延迟低，且提供 20 小时的免费额度。
• Groq：基于 Whisper 模型，以低成本甚至免费著称。
• SiliconFlow：支持国内多模态模型，适合拥有相关资源的用户。
• 本地 whisper.cpp：完全离线运行，零费用，保障隐私。
• OpenAI-compatible：兼容 Ollama、OpenAI 兼容接口等服务，扩展性强。

3. AI 回顾与复盘工作台

除了基础的转录，2.0 版本引入了专门的 AI 回顾功能，帮助用户对转录内容进行结构化整理和深度分析。

4. 悬浮字幕升级

悬浮字幕功能进行了优化，提升了在观看视频时的实时辅助体验。

5. 数据备份能力

支持 S3 和 WebDAV 协议，允许用户将转录数据备份到云端或私有存储，确保数据安全。

6. MCP Server 与 Agent Skill（核心创新）

这是 DeLive 2.0 最具差异化的部分，旨在实现 AI Agent 与本地数据的无缝连接。

• MCP Server 集成： DeLive 内置了 MCP (Model Context Protocol) Server。配置完成后，用户可以直接在 Cherry Studio、Cursor、Claude Code 等 AI 客户端中向 Agent 提问。例如，询问“把今天下午的讲座转录内容提炼成提纲”或“这段转录稿里最终决定用哪个方案？”。 Agent 会直接调用 DeLive 提供的工具接口（如 search_transcripts、get_session、get_session_summary），从本地数据库拉取数据进行处理，全程无需用户手动复制粘贴。

• Agent Skill 机制： 项目内置了 SKILL.md 文件。当安装 Skill 到 Claude Code 或 Cursor 等 Agent 环境时，这些文件会指导 AI 如何正确地与 DeLive 配合工作，定义了交互规范和工具使用逻辑。

关键要点

• 解决数据孤岛：DeLive 2.0 的核心价值在于打通了“音频转录”与“AI 分析”之间的壁垒，实现了工作流的自动化。
• MCP 协议落地：通过内置 MCP Server，DeLive 成为 AI Agent 可感知、可调用的本地数据源，极大提升了 Agent 处理本地多媒体数据的能力。
• 灵活的后端选择：提供从云端高性能（Soniox、火山引擎）到本地离线（whisper.cpp）的全谱系 ASR 后端，兼顾了精度、速度和隐私需求。
• 跨平台与开源：项目完全开源，无未开源部分，并支持 Windows、macOS 和 Linux，符合社区推广规范。
• 工具接口标准化：通过 search_transcripts 等标准化接口，使得其他 AI 应用可以轻松集成 DeLive 的转录数据。

意义与影响

DeLive 2.0 的发布标志着本地音频转录工具从“单一功能软件”向“AI 基础设施组件”的转变。

首先，它顺应了 AI Agent 时代对本地数据访问的需求。随着 MCP 等协议的普及，AI 不再仅仅依赖云端 API，而是能够安全、高效地访问用户的本地文件和数据。DeLive 通过内置 MCP Server，为 AI 应用提供了一个标准化的本地音频数据入口。

其次，它优化了知识工作者的工作流。对于需要大量观看视频课程、会议记录或直播内容的用户来说，DeLive 2.0 将原本需要多步手动操作的任务（转录、复制、粘贴、提问）简化为一次自然的对话交互，显著提升了信息获取和处理的效率。

最后，其开源属性和多元化的后端支持，降低了用户构建个性化 AI 工作流的门槛，促进了本地 AI 应用生态的多样化发展。