GitHub 爆火的 Curses ，让 OBS 实时字幕、语音转文字变好看又好用

前两天在 GitHub 上瞎逛，突然翻到一个项目——Curses。

就是专门给 OBS、VRChat、Twitch、Discord 做语音转文字字幕的“全能挂件”，还支持反向文字转语音，关键是——自定义程度夸张到有点变态。

大部分人的诉求很简单：我说话→自动生成字幕→塞进 OBS。 Curses 直接给你做成“字幕中枢”：语音进来，它负责听；文字出去，可以进 OBS、VRChat、Twitch、Discord，甚至再用 TTS 念出来，变成一个会说话的字幕君，玩法一下就打开了。

语音识别这块，它不是自己造轮子，而是把主流引擎几乎全打通了： 微软 Azure、Speechly、Deepgram，还有浏览器自带的 WebSpeech API（Chrome、Edge 都能用）。 你是偏稳定的云服务党，还是想走“浏览器白嫖流”，基本都能接上。

更好玩的是，Curses 不只是“把字打出来那么无聊”。 它给字幕样式塞满了选项：颜色、字体、阴影、背景纹理、打字机动画、音效、粒子特效，甚至直接让你上 CSS。 简单点说——你平时想在 PPT 里乱加的骚操作，现在都可以堆在字幕上。

字体这块也没抠门，直接对接 Google Fonts 上千种免费字体。 你想搞日系二次元、科技赛博风、手写弹幕感，随便挑，调好之后保存成一个“场景”，下次一键切换，直播间画风想怎么变就怎么变。

如果你在 Twitch 混，那 Curses 的“聊天室联动”大概会戳到你。 它不仅能把语音识别结果发到 Twitch 聊天，还能反向把聊天消息当字幕来源，再加上 7TV / FFZ / BTTV 的表情包显示，整条弹幕直接变成一行行会冒表情的小字幕，看起来既热闹又不乱。

Discord 这边也没被冷落。 你可以把语音转文字结果丢进指定频道，等于给语音频道加了一个“自动会议纪要+字幕助手”，开线上会议、录播节目时，后期整理内容会轻松很多。 VRChat 党也有照顾到，支持 KillFrenzy Avatar text 和官方 chatbox，这对虚拟主播、社恐玩家都挺友好。

让我觉得最像“专业工具”的，是它自带的场景系统。 你可以为不同节目段落做几套完全不同的字幕风格：比如开场就整点粒子特效+音效，正片用简洁白字黑底，K 歌环节再换成糖果色渐变字体。 配合 OBS 的场景切换，借助 obs-websocket，Curses 能在你切场景时自动换字幕方案，做到视觉风格跟内容同步变化，这味儿就上来了。

实话讲，对比市面上常见的字幕工具，Curses 这个思路还挺清爽的。 很多“傻瓜工具”优点是要啥都有现成的，但样式死板、扩展性差，一到你真想玩点花活，就立刻原形毕露。 Curses 则是典型的“给你一整盒乐高”：入门可能麻烦一点，但你肯花时间堆，出来的东西就是别人套模板永远弄不出的味道。

当然，它也不是完美无坑。 毕竟是 GitHub 上的开源项目，英文页面、插件配置、与 OBS / VRChat / Twitch / Discord 的串联，都需要一点折腾能力； 再加上你要搞 Azure、Speechly、Deepgram 这些服务，多多少少要过一遍文档、申请个 key，对纯小白来说门槛不算低。

但反过来看，这种开源工具的好处也很明显： 不用被某个订阅制平台套牢，想改样式就改、想搬机器就搬，只要你熟悉自己的直播/录制链路，Curses 就是个可以慢慢打磨的“私有字幕工作站”，越用越顺手的那种。