微信聊天记录、小红书评论区、群里刷过去的长讨论……这些复制不了的东西，对着屏幕录一段往下滑的视频，誊录就把它变成一份能搜、能存、能复制的文字记录。全程在你手机上完成，不联网。
安卓 App，免费开源，不用注册、没有服务器、不上传。iPhone 版还在计划中。English →
项目的来龙去脉（为什么做、怎么做的、踩了什么坑）见 docs/story.md。
| 从哪下 | 链接 | 说明 |
|---|---|---|
| GitHub Release（推荐） | tenglu-v0.3.0-arm64.apk | 40 MB，v0.3.0，64 位 ARM 手机——2019 年以后卖的手机基本都是 |
| GitHub Release（全量版） | tenglu-v0.3.0.apk | 109 MB，v0.3.0，所有安卓机型通用，只有很老的 32 位机或 x86 设备才需要 |
装法：下载后点开 APK，系统问「是否允许安装」就允许，装好后打开「誊录」。想核对文件没被改过：tenglu-v0.3.0-arm64.apk 的 SHA-256 是 ed8fba2a3be6479e9150dd46d37dabc6b0500c2142d32e9e68945073747a1402，tenglu-v0.3.0.apk 的是 d5121588c8506f2573e658f5530cd14d14b779d851ab2a35a90b1b7dba79aa44。历史版本见 Releases。
- 录屏。 用手机自带的屏幕录制，进到要保存的聊天或评论区，从头往下匀速慢慢滑到底，再停止录制。滑慢一点，让前后两屏有重叠——滑太快会漏内容，誊录自检发现了会提示你。
- 选视频。 打开誊录，「模式」选「微信」（聊天记录）或「通用」（评论区、文章等其他滚动内容），点「选择录屏」，选中刚才的视频。处理路径保持默认的「文本锚点 M3」就行。
- 拿文字。 等几秒到十几秒，看到「处理完成」就点「复制 Markdown」，一份带发言人、按顺序的文字记录已经在剪贴板里了，贴到备忘录、文档或任何 AI 里都行。
首页 → 处理中 → 结果页：
出来的东西长这样（示意）：
[对方] 周五的会改到下午三点了
[我] 收到，材料我先发你
「通用」模式输出的是一行行纯文本，不带发言人标签。
- 实际测过三种场景：微信单聊、小红书笔记加评论区、微信群聊。别的聊天软件、深色模式、超过 45 秒的录屏都还没测——通用模式理论上对任何滚动文本都成立，但理论上不等于测过。
- 只支持竖屏手机；折叠机合起来用。
- 只还原、不解读：不总结、不猜「谁回复谁」、不猜点赞数。纯表情、贴纸消息 OCR 读不到，输出里不会有。
- 通用模式是屏幕上有什么字就收什么字：上面演示那段里，状态栏的时间和顶栏的作者名就混进了记录，拿到手要自己删几行。
- 用来验收的那段真实微信对话里，能识别的消息发言人全对、顺序全对，错的是个别错别字；具体数字和口径见下面「实测准确率」。
各家 app 都在替你总结内容、留下原料。誊录反过来：把原料给你，自己退开。
- 只还原，不分析。 输出是纯文本记录（发言人 + 内容 + 顺序）。用什么模型读，是你的自由。
- 数据不出手机。 无服务器、无 API key、无账号。APK 显式禁用了
INTERNET权限——用飞行模式跑通完整流水线验证过。 - 不做内容审查。 你的屏幕，你的数据，你的记录。
名字取自宋代科举的誊录制度：专人把考生原卷一字不改地抄一遍，让阅卷官认不出笔迹。这正是产品的全部承诺：忠实还原，零解读。
对照从微信数据库导出的真实记录（44 条消息）逐条验收。安卓一列记录的是此前的拼接基线；安卓默认文本锚点的成绩见下方 M3：
| 指标 | 安卓拼接基线（ML Kit） | macOS（Vision） | iOS（Vision，独立实现） |
|---|---|---|---|
| 字符级准确率 | 96.2% | 99.6% | 99.5% |
| 发言人归属 | 39/39 | 39/39 | 39/39 |
| 消息顺序 | 100% | 100% | 100% |
分母为 39 条：44 条记录里有 5 条是纯表情消息，任何 OCR 引擎都读不到，不计入。 本表早先的版本用两种分母（41 / 41 / 39）并列报数，看起来像 iOS 更准， 统一口径后三列是同一个成绩。
发言人判定采气泡底色（微信绿 vs 白），不靠位置猜——跨三个平台两个 OCR 引擎，稳定在 39/39。
先把规模说清楚——下面这两段就是全部验证素材：
| 微信单聊 | 小红书笔记 + 评论区 | |
|---|---|---|
| 录屏时长 | 27.0 秒 | 32.0 秒 |
| 4fps 抽帧 | 108 帧 | 128 帧 |
| 屏幕 | 720 × 1652 | 720 × 1652 |
| 真值 | 44 条消息（我 15 / 对方 29），纯文本 39 条共 569 字 | 无——这类内容没有可导出的标准答案 |
| 最长 / 最短一条 | 133 字 / 1 字 | — |
| 总滚动距离 | 3,744 px | 10,415 px |
| 拼接长图 | 720 × 5,106 | 720 × 13,558 |
| 输出 | 40 条消息 | 202 行 / 约 2,375 字 |
后来又临时加测了一段微信群聊（44.2 秒 / 177 帧 / 覆盖 60 条真实消息）： 内容召回 59/60，失败自检 35/35 全过，耗时 10.2 秒。 群聊没有字符级数字——屏幕显示的是群昵称、数据库导出的是 wxid，对不上，无法构造逐字真值。 其中 2 个灰底气泡（RGB 225）判不出发言人，程序明确告警并跳过，没有猜。
也就是说：本文所有字符级准确率，都来自那一段 27 秒、569 字的微信对话。 小红书那段没有可导出的真值，它验的只是覆盖度（行数、滚动距离、锚点健康度）， 不是逐字正确性。
跑过的只有上面这三个场景。 微信单聊、小红书评论区、微信群聊。 没试过别的聊天软件、没试过深色模式、也没试过超过 45 秒的录屏 （群聊那段 44.2 秒是目前最长的一次）。通用模式理论上对任何滚动文本都成立， 但「理论上」不等于「测过」。
对着微信聊天记录或小红书评论区录一段滑动的屏。安卓端现在默认走文本锚点：对选定帧做 OCR，用共同文本推算滚动位移，再按几何位置去重，交给你一份忠实、有序、可复制的完整记录。原有的长图拼接路径仍作为回退保留。
安卓默认路径：
视频 → 固定频率取帧计划 → 逐帧 OCR → 去除固定 UI
→ 文本锚点位移 + 失败自检 → 几何去重
→ 歧义气泡局部采样 → Markdown
拼接回退路径：
视频 → 稀疏预扫 → 检测滚动区 → 固定间隔取帧
→ SAD 位移 → 选关键帧 → 拼成长图
→ 分段 OCR → 按位置去重 → Markdown
踩出来的设计原则（完整工程记录见 PLAN.md）：
- 宁可多不可少。 重复能去掉，丢失补不回来。位移估计取保守值，重叠交给输出层收拾。
- 不推断隐藏结构。 早期版本用正则去判“回复谁”“点赞数”，48 条评论错 4 条；M3 不再从文字内容猜这些语义。群昵称只有在 OCR 把它识别为气泡上方、几何上独立的一行时才成为字段；布局不清楚就原样保留全文。
- 每个自检都至少撒过一次谎。 唯一可靠的裁判是拿输出对照解密出的真实记录。没有能对照的现实，就不知道自己的准确率。
- M1（已完成）：最小安卓 APK——选视频 → 出记录 → 复制到剪贴板，逐阶段耗时可见。微信模式 + 通用模式。
- M2（已完成）：真机 247.0 秒 → 161.6 秒（降 34.5%），准确率全程未动（每一级输出都做过逐字节比对）。逐阶段计时定位出真正的瓶颈：JS 里的 JPEG 解码占 71%，而不是所有人以为的 SAD 搜索。
- M3（v0.3.0 起为安卓默认路径）：一条绕开像素对齐的文本锚点架构——对选定帧做 OCR，用共同文本行推算帧间位移，几何去重，只对纯坐标判不出发言人的气泡采样极少量像素。同一台手机、同一个 OCR 引擎、同一份真值，与拼接路径对比：5.913 秒 vs 161.6 秒（快 27.3 倍），字符级 91.4% vs 90.6%，发言人同为 39/39（此处字符级按全部 41 条真值消息计、含 2 条本身不可识别的；顶部表格里拼接路径的 96.2% 是同一成绩换算到 39 条可识别消息口径后的数）。通用模式 42 处锚点校验全过。处理路径开关仍保留拼接回退；自检发现可能漏内容时，结果页会提示并提供一键拼接重试。深色模式尚未在真机验证：发言人判不出时会跳过该气泡并明确告警，不会静默猜测。
- 群聊昵称字段：OCR 若读到位于对方气泡上方、字号和位置均独立的昵称行，M3 会输出
[昵称] 正文，不再把昵称粘进正文。对现有 44.2 秒群聊 bundle 离线复现时得到 65 个独立昵称字段，可逆比对中 1,976 个 OCR 字符全部保留。证据只来自一台设备的一份 bundle，不代表群聊或其他分辨率已全面覆盖。 - 仅支持竖屏手机；折叠机请合起来用。iOS 版在计划中（算法已在 iOS Vision 上验证）。
通过 AI 协作完成：Claude 负责设计与验收，Codex 负责实现，另有一套 iOS 独立实现交叉互证。每个里程碑都以可复现基准（verify/run-node.js）和真实数据评分（verify/score.py）把关——私人测试数据从不进入仓库。
MIT