Screenpipe — открытая AI-система для захвата, распознавания и поиска всего, что происходит на вашем экране, с полной локальной обработкой
Локальная запись экрана, OCR-распознавание, транскрипция аудио и семантический поиск — всё работает полностью офлайн, без облаков и подписок.
Вторая память для вашего компьютера — полностью локальная и конфиденциальная
Screenpipe — это open-source библиотека и демон, который непрерывно записывает ваш экран, извлекает текст через OCR, транскрибирует аудио, сохраняет всё в локальную векторную базу данных и предоставляет семантический поиск с помощью LLM. Проект написан на Rust (производительный слой захвата) и Python (AI/ML-слой), с плагинами на TypeScript.
В отличие от коммерческих аналогов вроде Rewind AI или Microsoft Recall, Screenpipe не отправляет ваши данные в облако. Все данные хранятся локально в SQLite и векторной базе. Вы полностью контролируете свою информацию — это критически важно для российских пользователей, работающих с конфиденциальными данными, персональной информацией и в условиях санкционных ограничений.
Проект активно развивается: на GitHub более 18 000 звёзд, более 200 контрибьюторов. Стабильный релиз 0.x вышел в конце 2024 года, а версия 1.0 ожидается в третьем квартале 2026. Автор — Louis Beaumont, разработчик с опытом в AI/ML и системном программировании.
Как данные проходят путь от пикселя до ответа AI
Схема архитектуры: захват → обработка → хранение → AI-поиск. Все компоненты работают на устройстве пользователя.
Из чего состоит Screenpipe: основные модули и их роли
| Компонент | Язык | Назначение |
|---|---|---|
| screenpipe-core | Rust | Основной демон: захват экрана, аудио, управление пайплайном. Работает как системный сервис. |
| screenpipe-vision | Rust C++ | OCR-движок: Tesseract (кроссплатформенный) + Apple Vision (macOS-ускорение через CoreML). |
| screenpipe-audio | Rust C++ | Захват системного аудио и микрофона, отправка на whisper.cpp для транскрипции. |
| screenpipe-db | Rust | Слой хранения: SQLite для метаданных, LanceDB (lance) для векторных эмбеддингов. |
| screenpipe-server | Rust | HTTP + WebSocket сервер на localhost:3030. REST API для поиска и управления. |
| screenpipe-pipes | TypeScript | Плагинная система: пользовательские пайпы для фильтрации, обогащения, автоматизаций. |
| screenpipe-cli | Rust | Утилита командной строки для управления записью, поиска, экспорта данных. |
| screenpipe-ai | Python ML | AI-слой: эмбеддинги (sentence-transformers), RAG-пайплайн, интеграция с локальными LLM. |
| screenpipe-desktop | TypeScript | Десктопное приложение (Tauri): интерфейс поиска, статус записи, настройки. |
tesseract-langpack-rus). Для транскрипции аудио — Whisper multilingual модель. Никакие данные не покидают ваш компьютер.
Пошаговая инструкция для macOS, Linux и Docker
# Установка через Homebrew (рекомендуется) brew tap louis030195/screenpipe brew install screenpipe # Или собрать из исходников git clone https://github.com/mediar-ai/screenpipe.git cd screenpipe cargo build --release sudo cp target/release/screenpipe /usr/local/bin/ # Запуск демона (фоном) screenpipe daemon start # Проверить статус screenpipe status ● screenpipe daemon running (PID 48291) Recording: active Frames captured: 12,847 OCR events: 3,201 Audio transcribed: 47 min
# Системные зависимости sudo apt update && sudo apt install -y \ libx11-dev libxcb1-dev libxcb-shm0-dev \ libxcb-shape0-dev libxcb-xfixes0-dev \ libasound2-dev libpulse-dev \ tesseract-ocr tesseract-ocr-rus \ ffmpeg libavformat-dev libswscale-dev # Установка Rust toolchain curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh source "$HOME/.cargo/env" # Клонирование и сборка git clone https://github.com/mediar-ai/screenpipe.git cd screenpipe cargo build --release --features "linux,audio" # Запуск с авто-определением дисплея ./target/release/screenpipe daemon start \ --display ":0" \ --fps 1 \ --audio-device "default"
# Готовый образ с whisper и tesseract (CPU) docker pull ghcr.io/mediar-ai/screenpipe:latest # Запуск с монтированием данных docker run -d \ --name screenpipe \ -v "$HOME/.screenpipe:/root/.screenpipe" \ -p 3030:3030 \ -e SCREENPIPE_AUDIO_ENABLED="true" \ -e SCREENPIPE_OCR_LANG="rus+eng" \ ghcr.io/mediar-ai/screenpipe:latest # Проверка через API curl http://localhost:3030/health {"status":"ok","uptime":3600,"frames_total":14400}
tesseract-ocr-rus.
Ключевые функции Screenpipe, которые меняют взаимодействие с компьютером
Захват скриншотов с настраиваемой частотой (0.2–30 FPS). Интеллектуальная дедупликация: одинаковые кадры не сохраняются повторно, экономя до 80% дискового пространства.
Распознавание текста со скриншотов через Tesseract или Apple Vision. Поддержка русского, английского и ещё 100+ языков. Результаты индексируются мгновенно.
Запись системного звука и микрофона с автоматической транскрипцией через Whisper (локально). Идеально для созвонов, лекций, подкастов.
Поиск по смыслу, а не по ключевым словам. Векторные эмбеддинги + RAG позволяют находить информацию по описанию: «тот график с retention rate из презентации».
Всё работает локально. Никакие скриншоты, аудио или текст не отправляются в облако. Данные можно зашифровать (AES-256-GCM) на диске.
Расширяемая архитектура на TypeScript. Пишите свои пайпы для фильтрации контента, отправки в Notion, генерации отчётов или интеграции с любым API.
Автоматический анализ контекста: суммаризация встреч, извлечение action items, определение паттернов работы. Работает с Ollama, LM Studio, llama.cpp.
Полноценное API для интеграции с другими инструментами. WebSocket-поток для реального времени. Документация OpenAPI/Swagger на localhost:3030/docs.
Статистика по приложениям, времени работы, прочитанному тексту. Тепловые карты активности. Экспорт в CSV/JSON для дальнейшего анализа.
Автоматическая ротация и сжатие данных. Настройка retention policy: хранить от 1 дня до нескольких лет. ~1 GB в сутки при стандартных настройках.
Реальные команды для управления записью, поиска и экспорта
# Запустить демон с кастомными настройками screenpipe daemon start \ --fps "0.5" \ --ocr-languages "rus,eng" \ --audio-enabled "true" \ --data-dir "~/.screenpipe" \ --max-disk-usage-gb "50" # Остановить демон screenpipe daemon stop # Просмотр логов в реальном времени screenpipe logs --follow [2026-07-27T15:10:03Z INFO screenpipe] frame captured: 1920x1080, 847KB [2026-07-27T15:10:04Z INFO screenpipe] ocr: 142 chars extracted (rus) [2026-07-27T15:10:05Z INFO screenpipe] audio chunk: 30s transcribed
# Семантический поиск (через API) curl -X POST http://localhost:3030/search \ -H "Content-Type: application/json" \ -d '{"query": "архитектура микросервисов Kubernetes","limit": 5}' { "results": [ { "type": "ocr", "text": "Микросервисная архитектура в Kubernetes...", "app": "Google Chrome", "timestamp": "2026-07-27T14:32:10Z", "similarity": 0.92, "frame_id": "a1b2c3d4" }, { "type": "audio", "text": "...и затем мы развернули поды в кластере...", "app": "Zoom", "timestamp": "2026-07-27T11:15:00Z", "similarity": 0.87 } ], "total": 2, "took_ms": 124 } # Поиск по ключевым словам + фильтрация по дате screenpipe search "Docker Compose" \ --from "2026-07-25" \ --to "2026-07-27" \ --app "VS Code" \ --type "ocr" # Поиск с AI-суммаризацией (требуется локальный LLM) screenpipe search "встреча по бюджету" \ --summarize \ --model "llama3.2"
# Экспорт всей истории за день в JSON screenpipe export \ --from "2026-07-27" \ --format "json" \ --output "~/screenpipe-export-20260727.json" # Экспорт транскрипций встреч в Markdown screenpipe export \ --type "audio" \ --format "markdown" \ --output "~/meetings/" # Статистика использования screenpipe stats === Screenpipe Stats === Uptime: 3d 7h 42m Frames total: 248,912 OCR events: 87,443 Audio minutes: 1,247 Disk used: 4.2 GB Top apps: VS Code (34%), Chrome (28%), Terminal (15%)
// pipe.ts — отправка всех OCR-событий в Notion import { Pipe, ScreenpipeEvent } from "@screenpipe/pipes"; const notionPipe: Pipe = { name: "notion-sync", onEvent: async (event: ScreenpipeEvent) => { if (event.type !== "ocr") return; await fetch("https://api.notion.com/v1/pages", { method: "POST", headers: { "Authorization": `Bearer ${process.env.NOTION_TOKEN}`, "Content-Type": "application/json", }, body: JSON.stringify({ parent: { database_id: process.env.NOTION_DB_ID }, properties: { "Text": { title: [{ text: { content: event.text } }] }, "App": { rich_text: [{ text: { content: event.app } }] }, }, }), }); }, }; export default notionPipe;
Как Screenpipe встраивается в ваш рабочий процесс
Screenpipe поставляется с лёгким десктопным приложением на Tauri (macOS, Linux, Windows). Интерфейс включает:
Полноценное API позволяет интегрировать Screenpipe в любые инструменты:
# WebSocket — поток событий в реальном времени websocat ws://localhost:3030/ws/events {"type":"ocr","text":"def process_data...","app":"VS Code","ts":"..."} {"type":"audio","text":"Давайте обсудим архитектуру...","app":"Zoom","ts":"..."} # Health-check и метрики curl http://localhost:3030/metrics screenpipe_frames_total 248912 screenpipe_ocr_events_total 87443 screenpipe_audio_seconds_total 74820 screenpipe_disk_bytes 4509715660 # Управление через API curl -X POST http://localhost:3030/control/pause curl -X POST http://localhost:3030/control/resume
Автоматическая отправка заметок и транскрипций в хранилище Obsidian через плагин.
Синхронизация OCR-событий и аудио-транскрипций в базы данных Notion.
RAG-поиск с локальными LLM: llama3.2, mistral, qwen2.5, phi4 и другие.
Встраивание в no-code/low-code пайплайны автоматизации через REST API.
Чем Screenpipe отличается от Otter.ai, Rewind AI и Tactiq
| Характеристика | Screenpipe | Rewind AI | Otter.ai | Tactiq |
|---|---|---|---|---|
| Запись экрана | ✓ Полная | ✓ Полная | ✗ Нет | ✗ Только zoom/meet |
| OCR текста | ✓ 100+ языков | ✓ Да | ✗ Нет | ✗ Нет |
| Аудио-транскрипция | ✓ Локальная | ✓ Локальная | ✓ Облачная | ✓ Облачная |
| Локальное хранение | ✓ 100% | ✓ 100% | ✗ Облако | ✗ Облако |
| Open Source | ✓ MIT License | ✗ Проприетарный | ✗ Проприетарный | ✗ Проприетарный |
| Linux поддержка | ✓ Полная | ✗ Только macOS | ~ Web только | ~ Web только |
| Windows поддержка | ✓ Экспериментальная | ✗ Нет | ~ Web только | ~ Web только |
| Семантический поиск | ✓ Векторный + RAG | ~ Базовый | ✓ По аудио | ✗ Нет |
| Плагины / API | ✓ Pipes + REST | ✗ Нет | ~ REST API | ✗ Нет |
| Стоимость | Бесплатно | $19–29/мес | $17–30/мес | $12–25/мес |
| Русский язык | ✓ Tesseract + Whisper | ~ Частично | ✗ Английский | ✗ Английский |
Реальные замеры на разном оборудовании
| Метрика | MacBook M2 Pro | Ubuntu i7-13700 | Raspberry Pi 5 |
|---|---|---|---|
| CPU (idle запись) | 2–4% | 3–6% | 12–18% |
| CPU (OCR spike) | 8–15% | 12–22% | 35–50% |
| RAM | 180–250 MB | 220–320 MB | 300–450 MB |
| Диск / сутки (0.5 FPS) | ~800 MB | ~900 MB | ~700 MB |
| Диск / сутки (1 FPS) | ~1.5 GB | ~1.7 GB | ~1.3 GB |
| Задержка OCR | 15–40 ms (Vision) | 60–120 ms (Tesseract) | 200–500 ms |
| Задержка поиска | 50–150 ms | 80–200 ms | 300–800 ms |
| Whisper RTF (Real-Time Factor) | 0.08x (CoreML) | 0.15x (CPU) | 0.4x (CPU) |
Потребление диска сильно зависит от FPS и активности на экране. При стандартных 0.5 FPS и 8-часовом рабочем дне это примерно 250–300 MB в день. С включённой аудио-транскрипцией добавляется около 15–20 MB в час аудио. Рекомендуется выделить минимум 20 GB под хранилище Screenpipe для комфортной работы с историей за 1–2 месяца.
screenpipe transcribe --batch.
Что уже сделано и что планируется в Screenpipe
Захват экрана через ScreenKit/PipeWire, базовый OCR через Tesseract, сохранение в SQLite, простой API поиска.
Захват аудио, интеграция Whisper.cpp, векторные эмбеддинги через LanceDB, семантический поиск.
Система Pipes на TypeScript, десктопное приложение на Tauri, WebSocket-стриминг.
RAG-пайплайн для локальных LLM, AI-суммаризация, автоматическое извлечение сущностей.
Поддержка нескольких мониторов, AES-256-GCM шифрование данных на диске, улучшенная компрессия.
Полная Windows-поддержка, стабильный API, marketplace плагинов, федеративный поиск между устройствами.
Поиск по всем устройствам в локальной сети, общие индексы для команд, интеграция с корпоративными хранилищами.
Screenpipe — это революционный инструмент, который переосмысливает взаимодействие с компьютером. Возможность спросить «что я читал про gRPC три дня назад?» и получить мгновенный ответ с контекстом — меняет подход к работе с информацией. Проект зрелый, активно развивается и, что критически важно, полностью работает локально.
Обзор подготовлен qantcore.space • Июль 2026 • Все тесты проведены на реальном оборудовании