Whisperでオフライン動作する、macOS・Windows向けのオープンソースなローカルファーストAI音声入力アプリ。
HaujetZhao/CapsWriter-Offline
オフラインで使えるWindows音声入力ツール。CapsLockまたはマウスのサイドボタンX2を押して話し、離すと認識したテキストを入力します。
代替できる製品:Dragon NaturallySpeaking
- スター
- 6,985
- フォーク
- 653
- 未解決の Issue
- 216
- 最終コミット
- 先月
これは何?
CapsWriter-Offlineは、Windows向けの完全オフライン音声入力ツールです。CapsLockまたはマウスのサイドボタンX2を押して話し、キーを離すと、認識したテキストがアクティブなウィンドウに入力されます。プッシュ・トゥ・トークとワンクリック録音のモードに対応しており、クライアントとサーバーに分けて動作するため、音声認識モデルを別のマシンで実行できます。
認識エンジンはParaformer、SenseVoice-Small、Fun-ASR-Nano、Qwen3-ASRなど複数から選択でき、一部はGPUアクセラレーションを利用できます。リアルタイムの音声入力に加えて、音声・動画ファイルを.srt字幕、.txtテキスト、.json形式のタイムスタンプに書き起こせます。テキストの後処理として、中国語の数字変換、発音の曖昧一致によるホットワード置換、正規表現による置換ルールに対応しています。また、出力がロール名で始まる場合に処理を行うLLMベースのロールも利用できます。
対象OSは64ビット版Windows 10/11です。LinuxとmacOSには対応していません。クライアントは古いWindows 7マシンでも動作しますが、サーバーのモデルは動作しません。
主な機能
- 01CapsLockまたはマウスのサイドボタンX2を使ったプッシュ・トゥ・トーク入力。ボタンを離すとテキストを入力します。
- 02複数のエンジンから選べるオフライン音声認識。一部のエンジンはGPUアクセラレーションに対応しています。
- 03音声・動画ファイルをSRT字幕、テキスト、タイムスタンプ付きJSONに書き起こします。
- 04発音の曖昧一致によるホットワード置換と、正規表現による置換ルールに対応します。
- 05話した中国語の数字をアラビア数字に変換します。
- 06クライアントとサーバーを分離し、クライアントを古いマシンでも実行できます。
ユースケース
- 音声をクラウドに送らず、Windowsアプリケーションにテキストを音声入力する。
- セキュリティ上の理由でオフラインを維持する必要があるマシン(セキュリティ保護されたPCやエアギャップ環境など)で作業する。
- ローカルの音声・動画ファイルから字幕や文字起こしを作成する。
- 珍しい用語をカスタム辞書に登録し、正しく認識できるようにする。
クイックスタート
- 1
VC++ ランタイムをインストールします(ファイルの文字起こしには ffmpeg も必要です)
- 2
最新のリリースとモデルアーカイブをダウンロードし、モデルを models フォルダーに解凍します
- 3
start_server.exe をダブルクリックしてサーバーを起動します
start_server.exe - 4
start_client.exe をダブルクリックし、CapsLock キーまたはマウスのサイドボタン X2 を押し続けて話します
start_client.exe
使う前に知っておきたいこと
- 公式サポート対象は Windows 10/11(64-bit)のみです。Linux は未検証で、macOS はサポートされていません。
- 動作させるには、モデルファイルを別途ダウンロードする必要があります。
- サーバーモデルは Win7 マシンでは実行できません。Win7 ではクライアントのみ使用できます。
トピック
よくある質問
- CapsWriter-Offline とは?
- オフラインで使えるWindows音声入力ツール。CapsLockまたはマウスのサイドボタンX2を押して話し、離すと認識したテキストを入力します。 CapsWriter-Offlineは、Windows向けの完全オフライン音声入力ツールです。CapsLockまたはマウスのサイドボタンX2を押して話し、キーを離すと、認識したテキストがアクティブなウィンドウに入力されます。プッシュ・トゥ・トークとワンクリック録音のモードに対応しており、クライアントとサーバーに分けて動作するため、音声認識モデルを別のマシンで実行できます。
- CapsWriter-Offline は無料で使えますか?ライセンスは?
- CapsWriter-Offline は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- CapsWriter-Offline は今もメンテナンスされていますか?
- 半年以内に更新あり。CapsWriter-Offline の最終コミットは 2026年9月14日 です。
- CapsWriter-Offline は何に使えますか?
- 音声をクラウドに送らず、Windowsアプリケーションにテキストを音声入力する。 セキュリティ上の理由でオフラインを維持する必要があるマシン(セキュリティ保護されたPCやエアギャップ環境など)で作業する。 ローカルの音声・動画ファイルから字幕や文字起こしを作成する。 珍しい用語をカスタム辞書に登録し、正しく認識できるようにする。
- CapsWriter-Offline のインストール方法は?
- VC++ ランタイムをインストールします(ファイルの文字起こしには ffmpeg も必要です) 最新のリリースとモデルアーカイブをダウンロードし、モデルを models フォルダーに解凍します start_server.exe をダブルクリックしてサーバーを起動します: start_server.exe start_client.exe をダブルクリックし、CapsLock キーまたはマウスのサイドボタン X2 を押し続けて話します: start_client.exe
- CapsWriter-Offline はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/HaujetZhao/CapsWriter-Offline
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
macOSとWindows向けのAI動画エージェント。編集可能なタイムライン上で、文字起こし、字幕作成・翻訳、吹き替え、カット、アニメーション制作ができます。
iPhoneをタッチパッド、エアマウス、音声・テキスト入力用リモコンとして、ホームネットワーク経由でWindows、Mac、LinuxのPCに接続できます。
OpenAIのWhisperを使い、音声や動画をオフラインで文字起こし・翻訳できるデスクトップアプリ。
音声合成、ボイスクローン、Whisper文字起こし、YouTubeダウンロード、音声分離、吹き替え用翻訳を備えたWindows向けGradioアプリ。
Ollamaを使い、YouTubeライブ配信に英語・中国語の字幕をリアルタイム表示するChrome拡張機能とローカルPythonサービス。