开源 Curses 有多离谱？OBS 字幕支持粒子特效、CSS、自定义字体的那种

做直播、录视频的小伙伴，应该都被“实时字幕”折磨过吧。 要么识别慢半拍，要么样式丑到爆，更离谱的是——想改个字体颜色，都得在一堆奇怪菜单里钻来钻去，改完还容易把整个场景搞崩。

最近刷 GitHub 的时候，发现一个有点狠的开源项目：Curses。 一句话形容，就是专门给 OBS / VRChat / Twitch / Discord 做的“可爆改”的语音字幕神器，把字幕当海报在做那种。

它支持的语音识别引擎也不拉胯：微软 Azure、Speechly、Deepgram，甚至浏览器自带的 WebSpeechAPI 都能用。 意思就是，你可以根据自己预算和延迟要求自由切引擎，不被某一家云厂商“套牢”。

更好玩的是，它不只是“说话→出字”这么简单。 Curses 还能反向来一手：把文字再丢给 TTS（文本转语音）念出来，支持微软 Azure、Uberduck、TikTok、Windows 自带 SAPI，还有浏览器的 WebSpeechAPI，做个“AI 读弹幕”完全 OK。

很多人嫌市面上的字幕样式一个比一个土，这工具在这块就有点把牙膏挤爆的意思了。 颜色、字体、阴影、背景纹理这些基础配置不用说，打字机动画、音效、粒子特效、甚至直接写 CSS 都能玩。 你要是前端出身，完全可以把字幕当网页来写，直播间整成大片片头那种质感不是梦。

字体库也很豪横，直接打通了 Google Fonts，上千种免费字体随便选。 从严肃演讲、技术分享，到二次元直播、搞笑电台，都能找到对味的那一款，不用再到处扒字体包、担心授权问题。

Curses 也不是只盯着主播麦克风这一条输入。 它还支持把 Twitch 聊天消息当成字幕来源，顺带能显示 7TV / FFZ / BTTV 这些表情包，观众发的梗图表情，真·能直接飘到画面上。 你这边语音识别的结果，也可以自动同步发到 Twitch 聊天或者指定的 Discord 频道，让听不清直播的人跟着文字走。

VRChat 场景它也考虑到了。 支持 KillFrenzy Avatar text 和官方 chatbox，把你说的话挂在头像头顶那种，社恐玩家突然有了“外挂式发言器”，语音+文字双重保险。

比较照顾强迫症的是它的“场景系统”。 你可以提前设计好多套字幕方案：比如正经分享用简洁白底黑字，唱歌用霓虹风，打游戏用电竞风。 然后通过 obs-websocket，和 OBS 的场景联动起来——你在 OBS 切场景，字幕样式跟着自动切，这波操作我服。

搭建上，因为是开源项目，肯定比那种“下一步下一步”安装包多几步折腾。 但好处也明显：跨平台、可自托管、想改逻辑就改逻辑，没有乱七八糟的付费墙，玩得越久越香那种。