这是 CapsWriter-Offline ，一个 PC 端的语音输入、字幕转录工具。
两个功能：
- 按下键盘上的
大写锁定键，录音开始，当松开大写锁定键时，就会识别你的录音，并将识别结果立刻输入 - 将音视频文件拖动到客户端打开，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
- 完全离线、无限时长、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：将音视频文件拖动到客户端打开，即可转录生成 srt 字幕
- 服务端、客户端分离，可以服务多台客户端
- 编辑
config.py，可以配置服务端地址、快捷键、录音开关……
对 Windows 端：
- 请确保电脑上安装了 Microsoft Visual C++ Redistributable 运行库
- 服务端载入模型所用的 onnxruntime 只能在 Windows 10 及以上版本的系统使用
- 服务端载入模型需要系统内存 4G，只能在 64 位系统上使用
- 额外打包了 32 位系统可用的客户端，在 Windows 7 及以上版本的系统可用
- 模型文件较大，单独打包，解压模型后请放入软件目录的
models文件夹中
其它系统：
- 其它系统，可以下载模型、安装依赖后从 Python 源码运行。
- 由于我没有 Mac 电脑，无法打包 Mac 版本，只能从源码运行，可能会有诸多问题要解决。（由于系统限制，客户端需要 sudo 启动，且默认快捷键为
right shift）
模型说明：
- 由于模型文件太大，为了方便更新，单独打包
- 解压模型后请放入软件目录的
models文件夹中
下载地址：
- 百度盘: https://pan.baidu.com/s/1zNHstoWZDJVynCBz2yS9vg 提取码: eu4c
- GitHub Release: Releases · HaujetZhao/CapsWriter-Offline
（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。）
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」
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
在服务端运行后，将音视频文件拖动到客户端打开，即可转录生成四个同名文件：
json文件，包含了字级时间戳txt文件，包含了分行结果merge.txt文件，包含了带标点的整段结果srt文件，字幕文件
如果生成的字幕有微小错误，可以在分行的 txt 文件中修改，然后将 txt 文件拖动到客户端打开，客户端检测到输入的是 txt 文件，就会查到同名的 json 文件，结合 json 文件中的字级时间戳和 txt 文件中修正结果，更新 srt 字幕文件。
- 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 - 音视频文件转录功能依赖于
FFmpeg，打包版本已内置FFmpeg - 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
你可以编辑 config.py ，在开头部分有注释，指导你修改服务端、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，（如果你想把句尾的问号也删除掉，可以在这边加上）
服务端使用了 sherpa-onnx ，载入阿里巴巴开源的 Paraformer 模型（转为量化的onnx格式），来作语音识别，整个模型约 230MB 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，大小约 1GB：
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，将 models 文件夹放到软件根目录
Windows 隐藏黑窗口启动，见 #49，将下述内容保存为 vbs 运行：
CreateObject("Wscript.Shell").Run "start_server.exe",0,True
CreateObject("Wscript.Shell").Run "start_client.exe",0,True
Windows 自启动，新建快捷方式，放到 shell:startup 目录下即可。
带拖盘图标的 GUI 版，见 H1DDENADM1N/CapsWriter-Offline
Docker 版，见 Garonix/CapsWriter-Offline at docker-support
# for core_server.py
pip install -r requirements-server.txt -i https://mirror.sjtu.edu.cn/pypi/web/simple
# [NOTE]: kaldi-native-fbank==1.17(使用1.18及以上会报错`lib/python3.10/site-packages/_kaldi_native_fbank.cpython-310-x86_64-linux-gnu.so: undefined symbol: _ZN3knf24OnlineGenericBaseFeatureINS_22WhisperFeatureComputerEE13InputFinishedEv`)
# for core_client.py
pip install -r requirements-client.txt -i https://mirror.sjtu.edu.cn/pypi/web/simple
sudo apt-get install xclip # 让core_client.py正常运行运行方式
core_server.py # 无需以 root 权限运行
core_client.py # 注意: 必须以 root 权限运行!!
pip install -r requirements-server.txt
pip install -r requirements-client.txt有些依赖在 Python 3.11 还暂时不无法安装，建议使用 Python 3.8 - Python3.10
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。
- 运行
core_server.py脚本，会载入 Paraformer 模型识别模型和标点模型（这会占用2GB的内存，载入时长约 50 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
Windows/MacOS/Linux均使用如下命令完成打包:
pyinstaller build.spec
双击 run.sh 自动输入sudo密码且实现左右分屏展示
如果你愿意，可以以打赏的方式支持我一下：
