Screenpipe：24小时不间断记录你的屏幕和音频数据帮你自动干活

Screenpipe 是一个可以读取你屏幕和麦克风的AI工具，它会持续24小时记录你的屏幕和音频数据，并将这些数据与AI结合，为你提供自动化、智能化的解决方案。 Screenpipe 能够全天候运行，持续捕获屏幕和音频数据，并在后台不间断地处理这些信息。为构建上下文感知的AI应用程序提供完整的数据流。 它是Rewind.ai的开源替代方案，确保用户完全拥有自己的数据。该项目使用Rust构建，提供多种安装方式，包括桌面应用程序和Rust库，功能丰富，支持插件、视频嵌入和语音识别等。 Screenpipe 是一个100%开源的工具，用户可以根据自己的需要定制和使用。所有数据都存储在本地，确保用户对数据的完全控制，提升了安全性和隐私保护。 核心功能介绍： 全上下文AI支持 ： Screenpipe 旨在为AI提供最完整的数据上下文，可以不间断地记录你电脑上的屏幕和麦克风活动。比如你开会时，它可以捕捉所有对话、屏幕内容，无需担心错过任何细节。涵盖视频会议、聊天应用等所有活动场景。 与WhatsApp、Zoom、Google Meet等流行应用兼容，无需上传数据到云端，保证隐私安全。 提升生产力 ： 它不仅是个录音录屏工具，还可以帮助你自动化很多工作。比如，你可以让它自动更新Notion笔记、生成Slack工作报告，或者自动填充客户关系管理（CRM）系统的数据，让你从繁琐的任务中解放出来。 数据实时更新：通过捕获的屏幕活动，系统能够自动提取信息，并实时生成对应的内容更新，帮助用户节省时间和精力。 快速知识提取 ： 即时的内容概览：有时候，打开一堆邮件、文档或者聊天记录太费时间。通过Screenpipe，你可以快速提取这些内容的要点，几秒内获得关键信息，不用逐字阅读。 高效信息处理：通过与本地运行的AI集成，Screenpipe能够快速对数据进行处理和分析，用户只需简单询问即可获得关键内容的摘要。 数据隐私保护 ： 所有的数据都保存在你自己的电脑上，不会上传到云端。这意味着你不用担心隐私泄露，所有数据完全由你掌控。同时，敏感信息在网络层面上已经被去除。 PII（个人身份信息）在网络层被剥离，确保敏感信息不会外泄，用户可以安心使用Screenpipe进行日常记录。 支持本地大型语言模型（LLM）的集成，完全在用户本地系统内运行AI，进一步提升数据安全性。 Pipes 插件系统 ： Screenpipe 拥有一个强大的插件系统，称为“Pipes”，允许开发人员使用JavaScript编写插件，扩展录屏和音频捕获功能。 用户可以在界面中创建、共享、安装插件，甚至不需要编程技能，就能在30秒内快速安装插件。 你可以通过插件扩展Screenpipe的功能，也可以通过下载插件来增强工具的能力，比如自动生成会议摘要或其他功能。开发人员还可以编写自己的插件，让Screenpipe变得更强大。 插件在隔离的沙箱环境中运行，确保数据安全的同时，让用户可以灵活定制AI与录制数据的交互方式。 Screenpipe的插件市场中提供多种插件，帮助用户进一步发掘24/7录制数据的潜力。 跨平台支持 ： 支持多平台 ：Windows、Linux 和 macOS（低于 15.0 版本）均可使用 Screenpipe 进行多屏幕录制。 该项目已推出桌面应用版本，用户可以通过 CLI（命令行界面）安装或使用付费桌面应用。 实际应用场景： 自动生成CRM数据 ： Screenpipe 可自动捕获销售团队的屏幕和音频活动，并将其整理成CRM系统条目，大幅提升工作效率。已有客户的收入提升了20%。 自动化文档生成 ： 开发团队使用Screenpipe基于工程师的屏幕活动自动生成文档，从而节省了大量时间，提升了团队的生产力。 会议自动总结 ： 对于频繁参与会议的用户，Screenpipe 能够自动生成会议摘要，提供完整的会议记录和要点整理，确保重要信息不会被遗漏，用户还可以完全掌控自己的数据。 社交媒体内容自动生成 ： 内容创作者使用Screenpipe自动捕获屏幕活动，并基于此创建AI生成的社交媒体内容，如TikTok视频等，显著提升了内容的用户参与度。 活动追踪与盈利提升 ： 通过追踪屏幕和音频活动，生产力黑客类用户能够详细监控自己的一天活动，利用这些数据优化工作流程，某些用户甚至因此提升了30%的收入。 数据隐私与安全保障： 所有数据均在本地进行处理，保证用户对数据的完全掌控权，绝不上传至云端。 通过在网络层级剥离个人身份信息（PII），进一步确保用户隐私。 用户可以选择集成本地的大型语言模型，所有AI处理过程完全在本地环境中运行，确保安全性。 技术细节 OCR（光学字符识别）技术 跨平台 OCR 支持 ：Screenpipe 集成了 原生 OCR ，能够自动从屏幕捕捉的图像中提取文本信息。OCR 在文本识别和信息提取任务中尤为重要，尤其是在跨平台支持中（Windows 和 macOS 系统）。 与计算机视觉的结合 ：结合多模态视觉处理，OCR 技术可以自动识别屏幕内容中的关键信息，从而为用户提供额外的智能服务（如自动文本分析、报告生成等）。 Whisper 模型用于语音转文本 (STT) 语音转文本（STT） ：Screenpipe 利用 Whisper 模型 实现了高效的 STT 功能。Whisper 是 OpenAI 发布的强大多语言 STT 模型，支持实时语音转换，并能够处理复杂的音频输入。 分布式系统优化 ：Screenpipe 在本地运行 Whisper 进行语音处理，而非将数据发送到云端，确保数据的隐私安全。该功能允许开发者基于用户的音频输入实时生成文本，从而大幅提升用户体验。 多平台支持 Windows、macOS 和 Linux 全平台支持 ：Screenpipe 采用跨平台架构，适用于多个操作系统，且在这些系统上具备一致的功能体验。通过使用 Rust 编写底层逻辑，再加上 TypeScript 和其他前端技术，Screenpipe 在所有平台上都具备极高的性能和稳定性。 多显示器捕捉 ：该项目支持多显示器设置下的屏幕录制，尤其适用于需要监控多个屏幕或视图的场景。这种多屏支持对于生产力工具和监控类应用非常重要。 视频嵌入与集成 视频嵌入 ：Screenpipe 支持在 AI 对话中嵌入视频链接。通过视频嵌入，AI 可以轻松引用录制的视频片段，这为会议回放、视频分析等场景提供了非常便利的功能。 与 AI 模型集成 ：Screenpipe 设计为一个开放平台，能够与现有的 AI 模型（如 Ollama）无缝集成。开发者可以基于 Screenpipe 提供的上下文数据（音频、视频、OCR 结果等）开发新的智能应用。 实时流数据管理与处理 流式处理架构 ：为了支持 24/7 持续录制和数据捕捉，Screenpipe 构建了一个高效的流式处理架构，能够实时处理来自屏幕和音频的数据。开发者可以基于这一流数据流构建各种 AI 驱动的功能，如实时语音分析、画面识别等。 集成 WebSocket 与 WebAssembly (WASM) ：Screenpipe 支持使用 WebSocket 将帧数据流和 OCR 结果流式传输到应用程序中，方便开发者进行实时分析和操作。这一集成方式大幅提升了应用的灵活性和适应性。 GitHub： https://github.com/mediar-ai/screenpipe 下载： https://screenpi.pe/ [video width="1280" height="720" mp4="https://img.xiaohu.ai/2024/09/twittervid.com_imxiaohu_b09c40.mp4"][/video] Screenpipe 项目的使用案 AI驱动的CRM数据增强 : 场景 ：通过屏幕交互自动向CRM系统（如Salesforce、Notion）添加数据。 工作流 ：屏幕捕获 -> AI实时分析 -> 自动添加数据到CRM -> 数据分类与组织。 AI生成每日总结 : 场景 ：自动生成每天工作活动的总结。 工作流 ：屏幕监控 -> AI分析 -> 生成总结 -> 通过电子邮件发送总结。 私人会议转录和摘要 : 场景 ：本地转录和总结会议内容，确保数据隐私。 工作流 ：会议捕获 -> 本地转录 -> 生成会议摘要 -> 安全存储。 会议转录与摘要 : 场景 ：自动转录虚拟会议并生成摘要。 工作流 ：屏幕和音频捕获 -> 自动转录 -> AI生成会议要点摘要 -> 输出到笔记应用。 生产力追踪 : 场景 ：分析在不同任务或应用上的时间分配，提升效率。 工作流 ：屏幕活动捕获 -> 自定义标签任务 -> 生成报告 -> 数据可视化分析。 自动文档生成 : 场景 ：记录软件开发过程中的关键活动并生成文档。 工作流 ：捕获编码会话 -> 标记关键时刻 -> 生成开发日志 -> 自动输出到文档平台。 合规与安全监控 : 场景 ：确保员工遵守合规规定并监控潜在安全风险。 工作流 ：屏幕活动捕获 -> 自动扫描安全风险 -> 生成警报与合规报告。 教育材料组织 : 场景 ：组织和管理视频讲座或网络研讨会的内容，便于搜索与复习。 工作流 ：屏幕与音频捕获 -> 音频转录与标记 -> 生成讲座摘要 -> 搜索与存档。 实时协作与注释 : 场景 ：远程团队合作，实时共享屏幕捕获并添加注释。 工作流 ：屏幕捕获与共享 -> 注释与协作 -> 跟踪更改。 用例示例： https://docs.screenpi.pe/docs/examples

Menu

分类目录

Screenpipe：24小时不间断记录你的屏幕和音频数据帮你自动干活

Related Posts

Meta AI提出了一种新的语言模型架构“Large Concept Model (LCM) 让模型更像人类思考

阿里巴巴推出QVQ-72B 一个基于Qwen2-VL-72B的新型多模态推理模型

Fireworks AI新功能能够将图像或PDF等非文本内容转化为LLM可理解的结构化文本

Hume AI推出全能文本与语音引擎 OCTAVE 根据文本实时生成特定人格特质的声音

Anthropic 公布了一种全新的 AI 越狱技术可以轻松破解所有前沿模型

INFP：基于音频驱动的双人对话中的互动头像生成能自动区分谁在说话，谁在听

Recommendeds

Prompt 学习地图 28 | 理论&实践 – 让模型自己评价提示词的设计缺陷，提出优化方案

Gemini 1.5 Pro和Gemini 1.5 Flash 150页技术报告

字节跳动 Seed-ASR：自动语音识别模型可识别不同语言、方言、口音

Mixtral 8X22B：更便宜、更好、更快更强的数学和编码能力

硅基智能开源其AI数字人交互平台可以轻松创建逼真数字人

路透社：OpenAI 正在开发代号为“Strawberry”的新模型可自主浏览互联网并自主推理

Anthropic 发布了「模型上下文协议」MCP 无缝连接本地和远程数据源

Google 宣布 Gemini 1.5 Pro 开放 API 新增对原生语音理解能力

Anime gf ：你的动漫女友一个本地且开源的 CharacterAI 替代工具

Easy Scraper：只需点击一下即可抓取任何网站的内容

Welcome Back!

Retrieve your password

Add New Playlist

Are you sure want to unlock this post?

Are you sure want to cancel subscription?

Menu

分类目录

Screenpipe：24小时不间断记录你的屏幕和音频数据 帮你自动干活

Support authors and subscribe to content

加入会员

Related Posts

Recommendeds

Welcome Back!

Retrieve your password

Add New Playlist

Are you sure want to unlock this post?

Are you sure want to cancel subscription?

Screenpipe：24小时不间断记录你的屏幕和音频数据帮你自动干活