Rev

目標:做一個本機優先的錄音與影片轉錄工具，使用開源語音模型產生可搜尋、可校正、可匯出的逐字稿。 技術棧建議:Python FastAPI + SQLite + faster-whisper，前端使用原生 HTML、CSS、JavaScript，媒體處理使用 FFmpeg。 需求: - 從本機匯入 MP3、WAV、M4A、MP4、MOV 等常見音訊與影片格式 - 使用 faster-whisper 在本機轉錄，提供模型大小與語言選擇 - 長檔案自動切段處理，顯示轉錄進度、目前片段與失敗重試狀態 - 逐句儲存開始時間、結束時間與文字內容 - 播放媒體時同步高亮目前句子，點擊文字可跳到對應時間 - 支援全文搜尋，搜尋結果可直接跳轉到音檔時間點 - 提供逐字稿編輯器，可修改文字、合併句子與調整時間軸 - 嘗試以聲音特徵分辨說話者，並允許手動重新命名說話者 - 支援匯出 TXT、Markdown、SRT、VTT 與 JSON - 保留原始檔案路徑、模型名稱、語言與轉錄時間等 metadata - 可刪除轉錄資料與快取檔，且不影響原始媒體檔 - 提供拖放匯入、批次轉錄與已完成檔案清單 明確不做(out of scope):人工校稿服務、雲端同步、多人協作、手機 App、付費 API、DRM 破解、保證法律或出版用途的逐字稿準確率。 README 要求:說明本機安裝與 FFmpeg 設定、模型下載方式、CPU 與 GPU 需求、支援格式、資料庫位置、匯出格式與如何搬走所有資料。