语音识别之CapsWriter-Offline

☆ CapsWriter-Offline

https://github.com/HaujetZhao/CapsWriter-Offline

网友在公众号上一篇的评论区提到CapsWriter-Offline，中英文识别快速、准确，资源占用低，完全离线使用，有效保护隐私。我试了，很强大，快速、准确、省资源，以后就用它了，推荐。缺点是，不太适合特别小白的用户。

1) 下载

假设是Win10/11，从github releases下载如下文件:

CapsWriter-Offline-Windows-64bit.zip
models.zip

这就是全部，合起来大概1.16GB，比Buzz小太多。GFW对github的干扰有些迷，大多数时候不挂线路直接可达，下载飞快；偶有干扰时，过会儿再试，比挂线路快。

2) 部署

假设将CapsWriter-Offline-Windows-64bit.zip展开到

X:GreenCapsWriter-Offline

将models.zip展开到

X:GreenCapsWriter-Offlinemodels

部署就这么简单。

3) 修改config.py

根据个人喜好做些修改

X:GreenCapsWriter-Offlineconfig.py

config.py中有许多参数，比如start_server.exe侦听、start_client.exe连接的IP与端口，语音识别保存文本时是否同步保存音频文件，是否启用keyword.txt，等等。这些参数都有注释，解释其基本含义。

上例hot_kwd设为False，也可直接修改

X:GreenCapsWriter-Offlinekeywords.txt

缺省有三个关键词，用#号注释掉。

4) 启动服务端

双击start_server.exe即可，也可在cmd中执行

start "" X:GreenCapsWriter-Offlinestart_server.exe

耐心等待服务端启动完成，有提示，比如:

模块加载完成
语音模型载入完成
标点模型载入完成
模型加载耗时 61.79s
开始服务

5) 启动客户端

待服务端启动完成后再启动客户端，双击start_client.exe即可，也可在cmd中执行

start "" X:GreenCapsWriter-Offlinestart_client.exe

若提示"连接成功"，即可使用客户端。

6) 录音并语音识别

假设焦点位于start_client.exe

缺省长按CapsLock键启用录音，提示"开始录音"，要求输入设备是麦克风。长按CapsLock的同时，正常说话，中英混杂无所谓。

松开CapsLock键停止录音并完成语音识别；该热键可通过config.py中shortcut参数修改，但小白不大可能正确指定其他按键。start_client.exe"识别结果"行会显示文字。

只有客户端启动的情况下，上述热键才可用，单启动服务端不行。

6.1) paste = True

缺省config.py中有个参数

paste = True

其效果是，停止录音并完成语音识别时，将文字先写入剪贴板，再模拟Ctrl-V。

长按CapsLock是全局热键，焦点离开start_client.exe时热键仍生效。假设焦点在记事本之类的文本处理软件中时长按CapsLock开始录音；之后松开CapsLock停止录音，记事本中会自动粘贴语音识别所得文字。这种类似于Win10/11的"Win+H"功能，但准确、高效得多。

6.2) save_audio = True

除了剪贴板中文字，若config.py中save_audio为True，则有其他文件对应语音识别结果。

比如录音时，我说，我就试试你能不能保存音频，然后得到如下目录与文件

今天是2025年3月2日，如下文件是语音识别的文字版

X:GreenCapsWriter-Offline2025�3�2.md

如下文件是录音音频

X:GreenCapsWriter-Offline2025�3assets(20250302-185611)我就试试你能不能保存音频.mp3

mp3的文件名受config.py中audio_name_len参数影响，缺省为20，取语音识别结果的前多少个字置于mp3文件名中。

save_audio为False时，不会生成2025目录，没有上述文件。

7) 从音频文件到文本文件

假设有some.m4a或其他格式音视频文件，将之拖放到start_client.exe上，会自动启动客户端对some.m4a进行语音识别，输出相应结果。比"Buzz Whisper Small"快多了。

假设输入是

X:pathsome.m4a

则输出是

X:pathsome.json
X:pathsome.merge.txt
X:pathsome.srt
X:pathsome.txt

两个txt是纯文字版，格式有差别，srt带时间戳，自己打开一看就明白。json的用途后面再说。

也可命令行操作

X:GreenCapsWriter-Offlinestart_client.exe X:pathsome.m4a

需指定some.m4a绝对路径

7.1) 修正语音识别结果

假设手工修正some.txt，将之拖放到start_client.exe上，会自动根据some.txt找到some.json，二者结合，同步修正some.srt。

也可命令行操作

X:GreenCapsWriter-Offlinestart_client.exe X:pathsome.txt

此功能只根据txt修正srt，不同步修正merge.txt。好像有点鸡肋，srt也是文本文件，可直接手工修正srt，不需要先txt再srt。

8) 热词

有三个热词表

X:GreenCapsWriter-Offline

hot-en.txt
hot-zh.txt
hot-rule.txt

热词的作用是，识别到相应发音，按热词表中内容进行规范化输出，比如WiFi、IP的大小写，听到赫兹时固定输出Hz，等等。

config.py中有参数决定是否启动这些热词表、是否区分声调，一般不需要改。