基于 Whisper 的开源语音转文字工具,支持词级时间戳和说话人分离。
- Star
- 6,985
- Fork
- 653
- 未关闭 Issue
- 216
- 最近提交
- 上个月
这是什么?
CapsWriter-Offline 是一款完全离线运行的 Windows 语音输入工具。按住 CapsLock 或鼠标侧键 X2 说话,松开后识别结果会直接输入到当前窗口。除按住说话外,还支持对讲机模式和单击录音模式。软件采用 C/S 架构,服务端与客户端可分开部署。
项目支持 Paraformer、SenseVoice-Small、Fun-ASR-Nano、Qwen3-ASR 等多种识别引擎,部分引擎可借助显卡加速。除实时听写外,还可将音视频文件转录为 .srt 字幕、.txt 文本和 .json 时间戳。识别结果还可经过数字转换、基于音素模糊匹配的热词替换、正则替换规则处理,并可交由 LLM 角色润色。
目前仅保证在 Windows 10/11 64 位系统上运行,暂不支持 Linux 和 macOS。
核心功能
- 01按住 CapsLock 或鼠标侧键 X2 说话,松开即输入文字。
- 02离线语音识别,提供多个可选引擎,部分支持显卡加速。
- 03可将音视频文件转录为 SRT 字幕、文本和带时间戳的 JSON。
- 04基于音素模糊匹配的热词替换,并支持正则替换规则。
- 05自动将中文数字转换为阿拉伯数字。
- 06客户端与服务端分离,老旧电脑也可只运行客户端。
适用场景
- 在任意 Windows 应用中用语音输入文字,音频无需上传云端。
- 在保密或无网络的电脑上进行语音输入。
- 为本地音视频文件生成字幕和文字稿。
- 通过热词表维护专有名词,提高特定词汇的识别准确率。
快速上手
- 1
安装 VC++ 运行库(如需文件转录,还需安装 ffmpeg)
- 2
下载最新版本与模型压缩包,解压模型到 models 文件夹
- 3
双击 start_server.exe 启动服务端
start_server.exe - 4
双击 start_client.exe,然后按住 CapsLock 或鼠标侧键 X2 说话
start_client.exe
使用前须知
- 仅保证在 Windows 10/11(64位)上运行;Linux 未测试,macOS 不支持。
- 需要另外下载模型文件才能使用。
- Win7 老电脑无法运行服务端模型,只能使用客户端。
标签
常见问题
- CapsWriter-Offline 是什么?
- Windows 离线语音输入工具,按住 CapsLock 说话,松开即自动上屏。 CapsWriter-Offline 是一款完全离线运行的 Windows 语音输入工具。按住 CapsLock 或鼠标侧键 X2 说话,松开后识别结果会直接输入到当前窗口。除按住说话外,还支持对讲机模式和单击录音模式。软件采用 C/S 架构,服务端与客户端可分开部署。
- CapsWriter-Offline 可以免费使用吗?用的什么许可证?
- CapsWriter-Offline 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- CapsWriter-Offline 还在维护吗?
- 半年内有更新。CapsWriter-Offline 最近一次提交是在 2026年9月14日。
- CapsWriter-Offline 适合用来做什么?
- 在任意 Windows 应用中用语音输入文字,音频无需上传云端。 在保密或无网络的电脑上进行语音输入。 为本地音视频文件生成字幕和文字稿。 通过热词表维护专有名词,提高特定词汇的识别准确率。
- CapsWriter-Offline 怎么安装和运行?
- 安装 VC++ 运行库(如需文件转录,还需安装 ffmpeg) 下载最新版本与模型压缩包,解压模型到 models 文件夹 双击 start_server.exe 启动服务端: start_server.exe 双击 start_client.exe,然后按住 CapsLock 或鼠标侧键 X2 说话: start_client.exe
- 在哪里获取 CapsWriter-Offline?
- 源代码和安装说明在 GitHub 上:https://github.com/HaujetZhao/CapsWriter-Offline
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
开源、本地优先的 AI 语音听写应用,基于 Whisper 在 macOS 和 Windows 上离线转写语音。
面向 macOS 和 Windows 的 AI 视频智能体,在可编辑时间线上完成转录、字幕、翻译、配音、剪辑和动效。
把 iPhone 变成 Windows、Mac 和 Linux 电脑的触控板、隔空鼠标和语音文字输入遥控器。
基于 OpenAI Whisper 的桌面应用,可在本机离线转录和翻译音视频。
基于 Gradio 的网页工具,集成语音合成、声音克隆、Whisper 转录、YouTube 下载、人声分离和翻译,用于配音制作。