录音留在设备，整理在浏览器完成。

声笺是一款纯前端的录音工作台。静态服务器只提供网页和模型文件；录音、转写、分人、精校与保存都在浏览器完成，无账号、上传接口或远程识别 API。

工作流

点击开始录音，允许麦克风权限，模型准备好后开始计时。标准版 Zipformer CTC INT8 边录边转写；音频每约 5 秒提交至 IndexedDB。结束后，v2 分人和 SenseVoice 精校顺序执行，原始实时稿保留。也可关闭精校或指定说话人数。

导入音频在本机解码成 16 kHz 单声道音频，直接分块送入现有识别引擎，不再按原速度回放。单次文件不超过 200 MiB、时长不超过 60 分钟。16 kHz PCM WAV 按小段读取和保存；其他格式使用浏览器解码，长文件仍会占用较多内存。录后按需读取音频窗口。导入进度按已处理音频时长显示，处理速度取决于设备。

保存与离线

在“偏好与离线缓存”下载所需模型。页面保存在 Service Worker 缓存，模型保存在 Cache Storage，录音和文字保存在 IndexedDB。所有数据受网站来源（协议、域名和端口）隔离；换浏览器、端口或域名不会自动迁移记录。

下载完整后可以关闭网络使用。浏览器持久存储权限由浏览器决定，无法绝对保证数据永不被清除。重要记录请分别导出 WAV 和JSON 结果备份。归档可恢复，不做永久删除。

实际效果与限制

此前同一段真实 30 分钟六人会议：标准版实时稿字错率 29.12%，SenseVoice 精校后 23.28%；v2 分人严格错误率 19.31%（修复短插话合并后；原值 19.69%），六人分成七组。以上是特定样本实测，不能视为所有会议的保证。自动识别适合整理初稿，重要内容需要核对。

录音期间保持页面在前台。移动端锁屏、系统休眠、数小时连续运行尚未充分验证。多人同时说话没有声音分离能力。页面波形是录音状态动效，不表示真实音量。

部署

可以用任意支持 WASM 与 ONNX 大文件的静态服务器部署。正式域名必须开启 HTTPS 才能使用麦克风。模型已随项目提供，无需外部 CDN。首次下载约 450–470 MiB。默认单线程 WASM，不要求跨来源隔离。

模型与引擎的原始 LICENSE 随项目保留，商业发布前请按具体模型权重核对许可。