求推荐 Windows 10 本地实时字幕(语音转文字)软件

问题求助
1

各位好，我的系统是Windows 10，暂不考虑升级，想找个识别电脑正在播放的声音，然后转文字，开箱即用的软件。（也可以称作是实时字幕？）

听播客有时候不专心可以看字幕偷懒（

具体要求

0、免费无限制，或者较低价格可以买断

1、要求识别正确率高 不限制所用的模型（我听的播客会有中英夹杂的情况）

2、有图形界面 能显示字幕、配置文字大小就可以

3、有标点恢复

4、最好能区分说话人

5、不要对接在线API的，除非接口是免费不限量的并且效果能赶上Whisper。

目前在用TMSpeech，但是识别效果有点差，里面两个模型都试了，所以想看看有没有更好的

尝试了WhisperLiveKit，识别效果可以，但是只可以识别麦克风。用了官方给的chrome扩展，还是只能识别标签页的声音。并且使用的时候要点击扩展图标，弹出的窗口如果点到其他地方就没了，很不方便。 我知道用虚拟audio cable可以将电脑声音作为麦克风输入，但是这样我觉得……怎么说呢，不够优雅？

chrome自带的识别正确率更低

win10系统没有自带实时字幕功能

注意不是录音/音频文件转字幕

搜了几天没找到合适的 可能我搜索能力下降了

先看看大家有没有推荐的成品 国产软件也可以

没有的话只能找ai写一个了

2

理所当然是Whisper，毕竟，不管是什么软件，用的都是他…..哦，开箱既用

搜了一下，看到了这些：

1 个赞
3

如果是单纯的语音识别，可以试试LazyTyper或闪电说，他们都有本地模型。
至于字幕方面就不太清楚了。

1 个赞
4

Nosub

或者

CapsWriter-Offline

这两个都比Whisper模型更好. 而且都是本地免费开源的.

5

谢谢Colin5887推荐的：
phongthanhbuiit/whisper-realtime-gui：这个是录麦克风的 实际测试也无法识别播放的声音 界面上没有地方设置 pass
ufal/whisper_streaming: 非GUI？先pass 后续看情况尝试

谢谢Aquamarine推荐的 LazyTyper和闪电说：这俩是语音输入法 先pass 后续看情况尝试

谢谢小恐龙推荐的：
patui/Nosub: 这个前几天找的时候已经下载了，看着是处理视频/音频文件的，没找到实时识别在哪里
HaujetZhao/CapsWriter-Offline: 这个也是录麦克风的 实际测试也无法识别播放的声音 也像是语音输入方向 要按住快捷键才能识别 emmm

知道大家推荐软件要花时间精力，正因为这份用心特别宝贵，麻烦大家一定要仔细看看我的需求哇
其实帖子第一句话提过“需要支持识别电脑正在播放的声音”，但分点要求里忘列了，大家可能没注意到，还有个说法是：内录
麻烦根据这个关键功能推荐，再次感谢每一位推荐的朋友们

6

作为一个搞音乐的，表示，内录的话，你去买USB声卡吧，普通的电脑，根本获取不到正在播放的声音，得借助外部硬件了。这个就不是一个纯靠软件能解决的问题。

至于解决了内录问题，剩下的，似乎大家推荐的软件都能解决问题了

7

如果只是实时识别:

Win11的实时字幕能力已经非常强了, 而且免费.

如果不想升级到win11

可以使用豆包pc版, 豆包也有类似的字幕, 而且可以对会议等进行AI总结

但豆包肯定是在线的.

另外, 我帮你编辑了一下标题.

8

你说的可能不太正确，因为TMSpeech就可以做到。

9

感谢二次推荐以及帮忙编辑标题。确实不想升级win11，在线也可以接受，毕竟听的也是公开的内容，只要免费不限量，或者说正常使用情况下不会触发限制即可。豆包客户端还没用过，晚些会试一下看看是什么效果。

10

闲着没事把剩下几款也看了 只有豆包基本符合预期 就是电脑上又多了一款浏览器 目前来看没有更好的推荐 先采纳了 再次感谢小恐龙的推荐

11

可以试下这个 auto-caption

12

这个项目的本地模型效果一般，在线的又收费。要用效果好的本地模型还得自己开发，有点折腾，暂时先不考虑了，感谢推荐

13

可以试试

技术栈是：前端 Flutter + Rust，推理框架 ONNX + Candle，主要支持 Whisper，面向的也是内录字幕 + 实时翻译场景

认识的网友做的项目，友情推荐

1 个赞
14

谢谢推荐，试用了现在的预发布版本，整体体验符合预期
有两个小问题想反馈，不太爱发issue，可以的话麻烦转达一下：
一是输出中文时简繁不稳定，可以增加固定输出简体/繁体的设置选项
二是仅能显示当前识别的句子，无法回顾历史内容，建议增加历史字幕功能
核心功能很稳定，希望能优化一下上述问题，期待后续更新

15

可以试试 FlashVoice (闪录（FlashVoice）- 本地离线语音输入法，实时语音转文字，隐私优先)
1，免费，本地离线
2，识别率高
3，有标点恢复
4，不需要对接在线 API
5，可以实时显示字幕

1
11634×1216 93.5 KB

16

内录还不简单，虚拟声卡就行，虚拟扬声器可以直连虚拟麦克风。

要我说的话，楼主提到的 virtual audio cable 并非不优雅，为什么不用呢？现在似乎还有了更强大的 Voicemeeter？虚拟扬声器作为默认设备，实体扬声器监听虚拟麦克风（或者实体作为默认设备，浏览器单独设置虚拟扬声器作为输出设备）。这样扩大了识别软件的选择面，语音转文字的同时又不影响你收听节目。虽然声音输出可能会有轻微延迟和质量损失，但在此使用场景下可以忽略不计。

当年我上网课想要实时翻译，最开始就是用的上面这套方案，但 Google 翻译网页版语音翻译上限只有几百字。后来换了一套方案，会议输出使用板载声卡 3.5mm 输出口，插入一条双公头 3.5mm 音频线，另一头连接手机 3.5 mm 口，利用手机的 Google 翻译来实时翻译电脑声音。另外电脑上接了一个蓝牙耳机作为耳麦来进行正常听讲。当然怎么同时进行双扬声器输出我已经忘了（好像是立体声混音？）。

17

电影？电视剧？干脆直接下载字幕