本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

这是什么

codex-asr，一个逆向自 Codex APP 的 ASR 工具，也就是语音转文字。

Codex APP 里有一个一次性语音输入接口（仅限 ChatGPT 登录和 OpenAI APIKEY，用中转 provider 是没有这个按钮的）。你在 App 里点语音输入的时候，它会把录音上传到：

https://chatgpt.com/backend-api/transcribe

然后拿回一段文本。

这个接口 不是 OpenAI Whisper API，只是 Codex APP（CLI 没有，CLI 走的是 Realtime，那个就不好拆了）自己在用的一个后端接口。

但它其实挺好用的，毕竟作为 VibeCoding 头子软件里的 ASR，要是转写错了就很影响用户体验。而且我估计背后是基于 whisper API 的，质量还是有保障的。最方便的是可以复用本机 Codex APP 里已经登录好的 ChatGPT 账号。

所以我就把这个小接口逆出来，封装成几个比较容易用的形态：

1. 一个 Rust CLI：codex-asr audio.wav


2. 一个 Rust crate：给其他 Rust 项目直接调


3. 一个本地 REST server：codex-asr serve


4. 一个 OpenAI Whisper 风格的兼容接口：老的 Whisper 接入脚本比如龙虾之类的，改一下 base_url 就能试


5. 一个 .silk / 微信语音预处理入口：先用本机 rust-silk 解成 WAV，再上传（这里用了我的另一个开源项目： GitHub - Wangnov/rust-silk: SILK v3 编解码工具与 Rust 封装。内置官方 SILK C 源码（BSD 3-Clause），提供易用的 CLI， 覆盖常见的微信语音（含腾讯前缀）与 PCM/WAV 互转场景 | SILK v3 codec tools and Rust bindings. Bundles the official SILK C sources (BSD 3-Clause) and provides a simple CLI for common WeChat voice (Tencent prefix) and PCM/WAV conversions · GitHub ），这是可选项，个人需求加进去的，也可以选配别的解码后端

以下为 AI 写的 README 截图：

效果如何

效果很简单，就不多说了。这里放一下一个意外的数据，并发压测：

可以看到，96 并发也是很稳定的，这也是我特地把它发出来的原因。想薅个免费（其实也不免费，开了订阅的）稳定的 ASR API 还是要下一点功夫的，有 GPT 自带的就用起来

如何安装

Homebrew

brew tap wangnov/tap

brew install codex-asr

cargo-binstall

cargo binstall codex-asr

cargo install

cargo install codex-asr

GitHub Release 安装脚本

curl --proto '=https' --tlsv1.2 -LsSf \

  https://github.com/Wangnov/codex-asr/releases/latest/download/codex-asr-installer.sh \

  | sh

Windows PowerShell：

powershell -ExecutionPolicy ByPass -c "irm https://github.com/Wangnov/codex-asr/releases/latest/download/codex-asr-installer.ps1 | iex"

Docker / GHCR

docker pull ghcr.io/wangnov/codex-asr:latest

docker run --rm ghcr.io/wangnov/codex-asr:latest --version

直接在 Release 里下载二进制

如何运行

直接转写：

# 默认读取 $CODEX_HOME/auth.json 或 ~/.codex/auth.json

codex-asr audio.wav



# 给上游一个语言提示

codex-asr audio.wav --language zh



# 输出 JSON

codex-asr audio.wav --json



# 文件没有扩展名时，显式告诉 content type

codex-asr raw-audio --content-type audio/wav

如果你手上是微信语音 / SILK：

codex-asr voice.silk --silk-decoder /path/to/rust-silk

这里要说明一下，Codex 上游接口本身不吃 SILK，所以 codex-asr 会先调用外部 rust-silk，把 .silk / .slk 解成临时 WAV，再上传 WAV。

本地起 REST API：

codex-asr serve --api-key local_dev_key

支持的路由：

GET  /healthz

POST /v1/audio/transcriptions

POST /audio/transcriptions

为了方便和大厂兼容，我把常用字段按 Whisper 风格兼容了一下，这样就方便龙虾之类的支持 Whisper 格式的应用来调：

file              必填

model             为了兼容 SDK，接受但忽略

language          转发给 Codex /transcribe

response_format   支持 json / text / verbose_json

prompt            接受但忽略

temperature       接受但忽略

srt 和 vtt 不支持，因为 Codex 这个接口本身不返回时间戳

鉴权问题

如果稍微了解一点的，可以直接传 Access Token 来鉴权。如果懒得折腾，直接用本机的 $CODEX_HOME/auth.json 来鉴权就可以了（默认行为）

但是千万注意：

codex-asr 会复用你的个人 Codex / ChatGPT 登录 token，虽然为了方便我打了 Docker 镜像，但是千万不要把没有保护的服务暴露到公网

这个项目默认的保护：

1. REST 默认只绑定 127.0.0.1


2. serve 默认要求本地 API key


3. --no-api-key 只建议在可信 loopback 环境里用


4. 公网 Docker 部署示例使用 Caddy 自动 HTTPS，并且仍然要求应用层 api-key


5. 工具只读取 auth，不会写入或刷新 auth


6. 不保存转写结果，除非你的调用方自己保存

支持格式

本地测试里，上游可以直接接受这些格式：

WAV PCM

MP3

M4A / MP4 AAC

FLAC

Ogg Opus

WebM Opus

微信语音这类 .silk / .slk，需要走外部 rust-silk 解码成临时 WAV 再传。

说完了

以上就是 Codex 实用小工具系列 第二弹：codex-asr。

有问题欢迎直接丢 issue，也欢迎佬友 Star / 插眼。后续还有其他 Codex 周边小工具，我整理完继续发。

Codex 实用小工具系列目录

第一弹：【开源】切 provider 避免丢会话：Codex-Threadripper（Codex实用小工具系列第一弹）

第二弹：【开源】逆向 Codex APP ASR 搓了一个语音转写小工具，支持 Whisper 格式（Codex 实用小工具第二弹）

第三弹：【开源】做了一个 Codex App 安装包镜像，解决 Microsoft Store 不好下载的问题（Codex 实用小工具第三弹）