CapsWriter-Offline
这是 CapsWriter-Offline ，一个 PC 端的语音输入工具。
运行后，只要按下键盘上的 大写锁定键，就会开始录音，当你松开 大写锁定键 时，就会识别你的录音，并将识别结果立刻输入。
视频教程：CapsWriter-Offline 电脑端离线语音输入工具
特性
- 完全离线、低延迟、高准确率、中英混输、自动阿拉伯数字、自动调整中英间隔
- 热词功能：可以在
hot-en.txt hot-zh.txt hot-rule.txt中添加三种热词，客户端动态载入 - 日记功能：默认每次录音识别后，识别结果记录在
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，会被额外记录在
年份/月份/日期-关键词.md，关键词在keywords.txt中定义 - 服务端、客户端分离，可以让一台主机为局域网内的电脑提供识别服务
- 用文本编辑器打开
core_client.py，可以编辑服务端地址、快捷键、录音开关……
懒人包
对于 Windows10 64 位用户，我打包了 exe 版本，可以从百度网盘或者 GitHub Releases界面下载。
对于 MacOS ARM 用户，我也做了打包版本，可以从百度网盘或者 GitHub Releases界面下载。（由于系统限制，客户端需要 sudo 启动，且默认快捷键为 right shift）
由于模型文件太大，为了方便更新，打包版本中没有包含模型文件，所以需要分别手动下载软件和模型，模型文件也放在了百度网盘和 GitHub Releases 界面里边。
打包版本里有一个 models 文件夹，请把模型文件解压后放到 models 里，之后双击 exe，分别打开 Server 和 Client 即可使用。
下载地址：
- 百度盘: https://pan.baidu.com/s/1zNHstoWZDJVynCBz2yS9vg 提取码: eu4c
- GitHub Release: Releases · HaujetZhao/CapsWriter-Offline
模型打包后大小约 1.4G，下载要花些时间。
（百度网盘容易掉链接，补链接太麻烦了，我不一定会补链接。GitHub Releases 界面下载是最可靠的。）
其它系统，可以下载模型、安装依赖后从 Python 源码运行。
功能：热词
如果你有专用名词需要替换，可以加入热词文件。规则文件中以 # 开头的行以及空行会被忽略，可以用作注释。
- 中文热词请写到
hot-zh.txt文件，每行一个，替换依据为拼音，实测每 1 万条热词约引入 3ms 延迟 - 英文热词请写到
hot-en.txt文件，每行一个，替换依据为字母拼写 - 自定义规则热词请写到
hot-rule.txt文件，每行一个，将搜索和替换词以等号隔开，如毫安时 = mAh
你可以在 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，客户端会动态载入热词，效果示例：
- 例如
hot-zh.txt有热词「我家鸽鸽」，则所有识别结果中的「我家哥哥」都会被替换成「我家鸽鸽」 - 例如
hot-en.txt有热词「ChatGPT」，则所有识别结果中的「chat gpt」都会被替换成「ChatGPT」 - 例如
hot-rule.txt有热词「毫安时 = mAh」，则所有识别结果中的「毫安时」都会被替换成「mAh」
功能：日记、关键词
默认每次语音识别结束后，会以年、月为分类，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号，示例：
- 语音输入任一句话后，录音就会被保存到
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，方便我日后查阅 - 例如我在
keywords.txt中定义了关键词「健康」，用于随时记录自己的身体状况，吃完饭后我可以按住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，这条识别记录就会被保存到2023/06/05-健康.md中 - 例如我在
keywords.txt中定义了关键词「重要」，用于随时记录突然的灵感，有想法时我就可以按住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，这条识别记录就会被保存到2023/06/05-重要.md中
注意事项
- 目前使用的模型是
Paraformer非流式模型，即录完再转，因此录音时间越长，上屏延迟越大。主流性能的 Windows 笔记本，RTF 大约 0.06，即大约每10s 录音需 0.6s 转录时长。 - 当用户安装了
FFmpeg时，会以mp3格式保存录音；当用户没有装FFmpeg时，会以wav格式保存录音 - 默认的快捷键是
caps lock，你可以打开core_client.py进行修改 - MacOS 无法监测到
caps lock按键，可改为right shift按键
修改配置
你可以打开 core_server.py ，在开头部分有注释，指导你修改服务端的端口，默认是 6006
你可以打开 core_client.py ，在开头部分有注释，指导你修改客户端的：
- 连接的地址和端口，默认是
127.0.0.1和6006 - 键盘快捷键
- 是否要保存录音文件
- 要移除识别结果末尾的哪些标点，（如果你想把问号也删除掉，可以在这边加上）
下载模型
本工具服务端使用了 sherpa-onnx ，载入阿里巴巴开源的 Paraformer 模型（转为onnx格式），来作语音识别，整个模型约 1GB 大小。下载有已转换好的模型文件：
另外，还使用了阿里巴巴的标点符号模型（转为了onnx格式）：
模型文件太大，并没有包含在 GitHub 库里面，你可以从百度网盘或者 GitHub Releases 界面下载已经转换好的模型文件，解压后，放入 models 文件夹。
- 模型打包下载：models-Paraformer-and-Punctuation-X86.zip （包含了 onnx 格式的 Paraformer 语音模型和 Punctuation 标点模型）
源码安装依赖
Windows 端
pip install -r requirements-server.txt pip install -r requirements-client.txt
有些依赖在3.11还暂时不无法安装，建议使用 python 3.10
Mac 端
在 Arm 芯片的 MacOS 电脑上（如 MacBook M1）无法使用 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 依赖的时候可能会报错，缺失 protobuf compiler，可以通过 brew install protobuf 解决。
源码运行
- 运行
core_server.py脚本，会载入 Paraformer 模型识别模型（这会占用1GB的内存，载入时长约十几秒） - 运行
core_client.py脚本，它会打开系统默认麦克风，开始监听按键（MacOS端需要sudo） - 按住
CapsLock键，录音开始，松开CapsLock键，录音结束，识别结果立马被输入（录音时长短于0.3秒不算）
MacOS 端注意事项：
- MacOS 上监听
CapsLock键可能会出错，需要快捷键修改为其他按键，如right shift
