yapsnap

yapsnap 是一个本地运行的命令行音视频转文字工具，支持直接输入视频 URL 或本地音视频文件，一键生成带时间戳或说话人标签的纯文本。核心基于轻量 ONNX 模型（Kroko Zipformer），纯 CPU 运行，无需 GPU、不依赖云端服务；内置多语言支持（10+）、语音分割与说话人日志功能，依赖精简（仅 sherpa-onnx、yt-dlp、ffmpeg）。适用于会议记录、播客整理、访谈摘要、教学视频字幕生成等需离线、隐私敏感、快速响应的个人办公与内容处理场景。