CapsWriter-Offline

这是 CapsWriter-Offline，一款PC端的语音输入和字幕转录工具。

主要功能：

按下键盘上的大写锁定键开始录音，松开时，系统会立即识别并输入结果。
将音视频文件拖拽到客户端即可转录生成srt字幕。

视频教程：CapsWriter-Offline 电脑端离线语音输入工具

特点

完全离线、无时长限制、低延迟、高准确率、中英混合输入、自动转换阿拉伯数字、自动调整中英间距
热词功能：可在hot-en.txt、hot-zh.txt和hot-rule.txt中添加三种热词，客户端动态加载
日记功能：默认每次录音识别后，结果保存在年份/月份/日期.md，录音文件保存在年份/月份/assets
关键词日记：识别结果若以关键词开头，会被记录在年份/月份/关键词-日期.md，关键词在keywords.txt中定义
转录功能：将音视频文件拖拽到客户端即可转录生成srt字幕
服务端与客户端分离，可支持多台客户端
编辑config.py可配置服务端地址、快捷键、录音开关等

懒人包

Windows系统：

请确保安装了Microsoft Visual C++ Redistributable 运行库
服务端使用的onnxruntime仅支持Windows 10及以上版本
服务端加载模型需要4G系统内存，仅支持64位系统
额外打包了32位系统可用的客户端，支持Windows 7及以上版本
模型文件较大，单独打包，解压后请放入软件目录的models文件夹

其他系统：

其他系统可下载模型、安装依赖后从Python源码运行
由于缺乏Mac设备，无法打包Mac版本，只能从源码运行，可能需要解决一些问题（系统限制下，客户端需要sudo启动，默认快捷键为right shift）

模型说明：

模型文件较大，为方便更新单独打包
解压后请放入软件目录的models文件夹

下载地址：

百度网盘: https://pan.baidu.com/s/1zNHstoWZDJVynCBz2yS9vg 提取码: eu4c
GitHub Release: Releases · HaujetZhao/CapsWriter-Offline

（百度网盘链接可能失效，不一定会更新。GitHub Releases是最可靠的下载方式。）

功能：热词

如需替换专用名词，可添加热词文件。规则文件中以#开头的行和空行会被忽略，可用作注释。

中文热词请添加到hot-zh.txt文件，每行一个，根据拼音替换，每1万条热词约增加3ms延迟
英文热词请添加到hot-en.txt文件，每行一个，根据字母拼写替换
自定义规则热词请添加到hot-rule.txt文件，每行一个，用等号分隔搜索词和替换词，如毫安时 = mAh

可在core_client.py文件中配置是否匹配中文多音字，是否严格匹配拼音声调。

检测到修改后，客户端会动态加载热词，效果示例：

若hot-zh.txt中有热词"我家鸽鸽"，所有识别结果中的"我家哥哥"都会被替换为"我家鸽鸽"
若hot-en.txt中有热词"ChatGPT"，所有识别结果中的"chat gpt"都会被替换为"ChatGPT"
若hot-rule.txt中有热词"毫安时 = mAh"，所有识别结果中的"毫安时"都会被替换为"mAh"

功能：日记、关键词

默认每次语音识别结束后，会按年、月分类保存录音文件和识别结果：

录音文件存放在"年/月/assets"文件夹下
识别结果存放在"年/月/日.md" Markdown文件中

例如今天是2023年6月5日：

语音输入任意内容后，录音会被保存到2023/06/assets路径下，以时间和识别结果命名，并将识别结果保存到2023/06/05.md文件中，便于日后查阅
如果在keywords.txt中定义了关键词"健康"用于记录身体状况，吃完饭后可以按住CapsLock说"健康今天中午吃了大米炒饭"，由于识别结果以"健康"关键词开头，这条记录会被保存到2023/06/05-健康.md中
如果在keywords.txt中定义了关键词"重要"用于记录突发灵感，有想法时可以按住CapsLock说"重要，xx问题可以用xxxx方法解决"，由于识别结果以"重要"关键词开头，这条记录会被保存到2023/06/05-重要.md中

功能：转录文件

启动服务端后，将音视频文件拖拽到客户端即可转录生成四个同名文件：

json文件，包含字级时间戳
txt文件，包含分行结果
merge.txt文件，包含带标点的整段结果
srt文件，字幕文件

如果生成的字幕有小错误，可以在分行的txt文件中修改，然后将txt文件拖拽到客户端。客户端检测到输入的是txt文件，就会查找同名的json文件，结合json文件中的字级时间戳和txt文件中的修正结果，更新srt字幕文件。

注意事项

安装FFmpeg后，录音将以mp3格式保存；未安装时，将以wav格式保存
音视频文件转录功能依赖FFmpeg，打包版本已内置FFmpeg
默认快捷键为caps lock，可在core_client.py中修改
MacOS无法检测caps lock按键，可改用right shift按键

修改配置

编辑config.py，开头部分有注释指导修改服务端、客户端的：

连接地址和端口，默认为127.0.0.1和6006
键盘快捷键
是否保存录音文件
需要移除识别结果末尾的标点（如果想删除句尾问号，可在此处添加）

下载模型

服务器端使用了 sherpa-onnx，加载了阿里巴巴开源的 Paraformer 模型（转换为量化的onnx格式）进行语音识别，整个模型大小约为230MB。可以下载已转换好的模型文件：

csukuangfj/sherpa-onnx-paraformer-zh-2023-09-14

此外，还使用了阿里巴巴的标点符号模型，大小约为1GB：

CT-Transformer标点-中英文-通用-large-onnx

由于模型文件过大，并未包含在GitHub仓库中。你可以从百度网盘或GitHub Releases页面下载已转换好的模型文件，解压后将"models"文件夹放置在软件根目录

自启动、隐藏窗口、托盘图标、Docker

Windows下隐藏黑窗口启动，参见 #49，将以下内容保存为vbs文件并运行：

CreateObject("Wscript.Shell").Run "start_server.exe",0,True
CreateObject("Wscript.Shell").Run "start_client.exe",0,True

Windows自启动：创建快捷方式并放入"shell:startup"目录即可。

带托盘图标的GUI版本，参见 H1DDENADM1N/CapsWriter-Offline

Docker版本，参见 Garonix/CapsWriter-Offline at docker-support

源码安装依赖

[新增] Linux端

# 针对core_server.py
pip install -r requirements-server.txt  -i https://mirror.sjtu.edu.cn/pypi/web/simple
# [注意]: kaldi-native-fbank==1.17（使用1.18及以上版本会报错`lib/python3.10/site-packages/_kaldi_native_fbank.cpython-310-x86_64-linux-gnu.so: undefined symbol: _ZN3knf24OnlineGenericBaseFeatureINS_22WhisperFeatureComputerEE13InputFinishedEv`）

# 针对core_client.py
pip install -r requirements-client.txt  -i https://mirror.sjtu.edu.cn/pypi/web/simple
sudo apt-get install xclip   # 确保core_client.py正常运行

运行方式 core_server.py # 无需root权限运行 core_client.py # 注意：必须以root权限运行！

Windows端

pip install -r requirements-server.txt
pip install -r requirements-client.txt

某些依赖在Python 3.11中暂时无法安装，建议使用Python 3.8至Python 3.10版本。

Mac端

在搭载Arm芯片的MacOS设备（如MacBook M1）上无法通过pip安装sherpa_onnx，需要手动从源代码安装：

git clone https://github.com/k2-fsa/sherpa-onnx
cd sherpa-onnx
python3 setup.py install

在MacOS上安装funasr_onnx依赖时可能会报错，缺少protobuf compiler，可通过brew install protobuf解决。

源码运行

运行core_server.py脚本，将加载Paraformer识别模型和标点模型（会占用2GB内存，加载时间约50秒）
运行core_client.py脚本，它将打开系统默认麦克风并开始监听按键（MacOS端需要sudo权限）
按住CapsLock键开始录音，松开CapsLock键结束录音，识别结果将立即输入（录音时长短于0.3秒不计）

MacOS端注意事项：

MacOS上监听CapsLock键可能出错，需要将快捷键更改为其他按键，如right shift

打包方法

Windows/MacOS/Linux均使用以下命令完成打包: pyinstaller build.spec

运行方式

Linux

双击run.sh自动输入sudo密码并实现左右分屏显示

打赏

如果你愿意，可以通过打赏的方式支持我：

sponsor