听记

在 Mac 上全天听你说话的小工具。没人说话的时候什么都不留；有人说话就转成逐句原文，按事情整理成摘要、待办和项目。Claude Code 这类 Agent 可以通过 MCP 直接读这些记录。

思路来自 OPPO 的「心力球」：挂在身上全天录音，自动按事情整理。听记把这套做法搬到了电脑上：不用另买设备，数据都在自己电脑上，原话全部保留，还能接给自己的 Agent。

它会做什么

• 全天听，没人说话不留：麦克风每分钟交一片，本机做人声检测（Silero VAD），没人说话的分片直接删掉。

• 逐句原文：有人声的部分送去转写（阿里云百炼 Fun-ASR），同时分说话人；本机声纹模型（3D-Speaker CAM++）认出哪句是你说的，标成「我」，其余的标「其他人」。

• 按事情切：两段话隔开 5 分钟以上一定分开，同一段里再按话题切成一件件事。每件事有分类、标题、摘要、要点、待办、决定、值得记住的事和重要度，零碎小事只留一行。

• 项目：同一件事聊了好几天，会自动串成一条线，写明现在到哪一步、有什么风险、下次该追问什么、谁答应过什么。

• 每日总结：每天 23:30 以后，按上午、下午、晚上写一份当天的总结。

• 觉察：每周日晚上，只看「我」说过的话，找出两三个沟通和做事上的习惯，每条带原话依据和下次可以怎么做。

• 电脑放声音时自动暂停：每秒看一次哪个程序在出声。抖音、浏览器、播放器在放视频，就先停麦克风，声音停 2 秒后接着录。微信、企业微信、飞书、腾讯会议、钉钉、Zoom、FaceTime 通话，以及闪电说、Typeless 这类语音输入出声，不会暂停。

• 时间线网页：浏览器打开 http://127.0.0.1:7788/ ，有今日、项目、觉察、搜索四页。点开一件事能看逐句原文，点某一句就从那里开始播放录音。网页只对本机开放。

• 导入 iPhone 语音备忘录：手机上录的备忘录通过 iCloud 同步到 Mac 后，一条命令导进来，和电脑上录的放在一起整理。

截图里的人和事都是编的示例，见下面的「先看效果」。

Related MCP server: shyn

给 Agent 用：MCP

装好以后注册一个 MCP（见「安装」第 3 步），Agent 就能回答这类问题：

• 「我昨天答应了谁什么？」

• 「把上周聊定价的原话找出来。」

• 「双十一投放那件事现在到哪一步了？下次见面该问什么？」

还没处理完的时间段，结果里会写明「整理到几点」，Agent 不会把「还在转写」当成「没有记录」。

安装

需要：

• macOS 15 或更高

• 一个麦克风：MacBook、iMac 自带；Mac mini、Mac Studio 要接外置麦克风或耳机

• Homebrew 装的 ffmpeg、Python 3.11 或更高、Xcode 命令行工具（用来编译菜单栏的录音开关）

• 两个 API key：阿里云百炼（Fun-ASR 转写）和 DeepSeek（整理）

brew install ffmpeg python@3.13
xcode-select --install        # 装过就跳过
git clone https://github.com/Biancuihuo/tingji.git
cd tingji
./install.sh

install.sh 会依次：建 Python 环境（仓库里的 .venv）、下载两个模型（约 28 MB）、问你两个 API key（存成权限 600 的 secrets.json）、编译并安装菜单栏录音开关、用 launchd 启动后台处理和时间线网页。三样都开机自启。

装完以后：

1. 允许麦克风。 菜单栏出现波形图标就是在录。第一次会弹出麦克风权限，点「允许」。

2. 让它认出你。 对着电脑一个人说 30 秒左右的话，等一两分钟，然后：

.venv/bin/tingji pieces                 # 找到刚才那段的编号
.venv/bin/tingji enroll --piece 编号     # 记下你的声纹
.venv/bin/tingji relabel                # 把已有的句子重新认一遍

不注册声纹也能用，只是所有话都会标成「其他人」，也做不了觉察。离电脑远时说的话如果认不出来，可以再加几个样本，最多留 12 个。

3. 接到 Claude Code。

claude mcp add tingji -s user -- "$PWD/.venv/bin/tingji-mcp"

新开一个会话就能用。其他支持 MCP 的客户端，命令填 仓库路径/.venv/bin/tingji-mcp。

先看效果

不录音、不填 key，也能先看看时间线是什么样：

./install.sh --python-only      # 问 key 时直接回车跳过
.venv/bin/python scripts/demo.py

然后在浏览器打开 http://127.0.0.1:7799/ 。示例数据放在仓库里的 demo-home/，不碰真正的数据目录。

日常用

菜单栏只有一个开关：开启或关闭录音、打开时间线、退出。图标是波形表示在录，喇叭表示电脑在放声音、暂停中，斜杠麦克风表示已关闭。

命令行（.venv/bin/tingji）：

设置：在 ~/Library/Application Support/Tingji/settings.json 里写要改的项，后台每一轮都会重新读。

「今天」按北京时间算，要改时区就改 tingji/config.py 里的 TZ。

数据放在哪

全部在 ~/Library/Application Support/Tingji/：

• tingji.db：SQLite，里面是逐句原文、事件、项目、总结、觉察和声纹

• audio/：有人声的录音，按天分目录，每小时人声约 14 MB

• settings.json、secrets.json（API key，权限 600）

日志在 ~/Library/Logs/Tingji*.log。

会离开这台电脑的只有两样：有人声的录音片段，上传到阿里云百炼的临时存储做转写（百炼 48 小时后自动删除）；转写出来的文字，发给 DeepSeek 整理。人声检测和声纹都在本机算，时间线网页只对本机开放。

怎么做的

flowchart LR
  A["菜单栏录音开关<br/>16 kHz 单声道，一分钟一片"] --> B["人声检测<br/>Silero VAD，本机"]
  B -->|没人说话| X["删掉"]
  B -->|有人说话| C["拼成段<br/>Fun-ASR 转写，分说话人"]
  C --> D["认出「我」<br/>CAM++ 声纹，本机"]
  D --> E["按话题切成事件<br/>DeepSeek"]
  E --> F["项目、日总结、觉察<br/>DeepSeek"]
  E --> G[("SQLite")]
  F --> G
  G --> H["时间线网页"]
  G --> I["MCP，给 Agent 读"]

录音开关用 Swift 写，是因为 macOS 的麦克风权限是按 .app 给的，要一个签了名、写明用途的 .app 才能弹出授权。其余都是 Python。

费用

Fun-ASR 每小时 ¥0.79，只算有人声的部分。DeepSeek 每件事调一次，每个项目更新一次，每天一次总结，每周一次觉察。

我自己第一天从下午一点多开到半夜：录到 2 小时人声，1100 多句，4 万多字，转写花了不到 2 块钱。

还没做

• 通话对方的声音：现在只录麦克风，戴耳机打电话时只录得到自己这边。

• 多台电脑汇总到一台服务器，给团队一起用。

• 随口记和标重点：后台已经能处理，菜单栏还没加快捷键。想自己接的话，往数据目录的 marks.jsonl 里追加一行 {"ts": 毫秒时间戳, "kind": "highlight"}，或者一对 note_start / note_end。

卸载

./uninstall.sh

会停掉三个后台服务、删掉 /Applications/听记.app。录音和文字都还留在数据目录里，不要了再自己删。

致谢

• OPPO 心力球的产品思路

• sherpa-onnx、Silero VAD、3D-Speaker

• 阿里云百炼 Fun-ASR、DeepSeek

License

MIT。作者边淬火，X：@Biancuihuo