最强工具：CapsWriter，完全离线，语音实时转文字并自动上屏，音视频快速转文字

工作原因，经常需要整理会议记录，一般是在开会的时候用录音笔把大家的发言录下来，会后再把它整理成文字。

干过这活的都知道，这是一个苦差事。

一般来说，10分钟的录音，把它全部敲出来，打字速度快的，大概需要20分钟时间；如果要再整理一下，把口语化的“这个、那个”“嗯”之类的去掉，再整理成公文语言，可能还得再花20分钟时间，也就是整理一份录音，大概需要4倍的时间，1个小时的会议录音，那就需要4个小时来整理。

因此，我经常在网上找一些能够离线把语音转成文字的工具。

2023年5月份的时候，发现了一个叫作Whisper的程序，当时部署后感觉还不错，比之前人肉转换的效率高了不少。但是也有一些问题，一是部署比较麻烦，二是准确性不够高，三是转换速度比较慢，10分钟的语音可能需要30分钟时间来转换，速度慢也有可能是因为我的电脑比较老。当时还写了一篇文章记录了一下。

https://mp.weixin.qq.com/s/YqW5TbKEGK2rmd1on66OqQ

前段时间，在网上发现了CapsWriter这个程序，下载试用了一段时间，感觉还是挺不错的。应该是远远超越了某飞的离线版机器。

一、CapsWriter软件下载

CapsWriter的项目地址是：

https://kkgithub.com/HaujetZhao/CapsWriter-Offline

国内如果上不去GitHub，可以试试这个免翻地址：在GitHub前面加个kk，也就是把GitHub.com变成kkGitHub.com。

下载地址：

https://kkgithub.com/HaujetZhao/CapsWriter-Offline/releases

二、CapsWriter软件能做什么

CapsWriter的特点：准确、快速、方便、老机器也能跑。

有2个主要功能：

1.语音输入。实时将语音转为文字并上屏，类似于微信语音转文字功能。

2.将电脑里保存的视频或录音文件转换为文字。

三、CapsWriter软件使用教程（简单版）

CapsWriter软件分为服务端和客户端两部分。一个服务端可以服务多个客户端。

服务端必须运行在64位的Win10或者是Win11系统上。

客户端可以运行在Win7及以上操作系统。

服务端和客户端可以运行在同一电脑上，前提是64位的Win10或者是Win11系统。

1.启动服务端，双击CapsWriter-Offline-Windows-64bitstart_server.exe

下图是运行后的界面，加载模型的时间稍长一些，但是加载后就没事了。

2.启动客户端。如果是在同一电脑上运行，直接双击start_client.exe

下图是运行后的界面：

如果是在不同电脑上运行，需要保证两台电脑的网络是通的，同时在CapsWriter-Offline-Windows-32bit-Client文件夹里，修改config.py文件，在addr =那里填写服务端的IP地址。

然后双击CapsWriter-Offline-Windows-32bit-Clientstart_client.exe运行程序。

3.当客户端出现绿色的“连接成功”，就表示可以使用了。

3.1实时转语音。把这个start_client.exe黑窗口最小化，在任意能够输入文字的地方，比如Word或者是记事本或者是浏览器里，按住键盘的Caps按键，然后说话，说完以后松开Caps按键，等一两秒，文字就会自动上屏。

3.2将电脑里保存的视频或录音文件转换为文字。不用提前运行start_client.exe程序，直接把视频或者是录音文件拖放到start_client.exe程序上，就会自动开始转文字。

四、CapsWriter软件高级用法

1.运行start_client.exe，它会打开系统默认麦克风，如果未识别麦克风，可以按Ctrl+C 重新加载麦克风。

2.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。

2.1hot-en.txt里面可以添加一些英文的词语，软件检测到类似发音时就会使用这个词语。

2.2hot-zh.txt里面可以添加一些汉语词语，软件检测到类似发音时就会使用这个词语，比如单位名称、单位领导姓名等一些特殊专有名词。

2.3hot-rule.txt里面添加的是替换规则，比如把赫兹替换为Hz。

3.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。

这些识别结果只是保存在客户端，如果不想保存这些结果，可以在客户端的config.py文件里修改，改为save_audio = False

4.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。

这个功能没有太大用处。

5.转录功能：将音视频文件拖动到客户端打开，即可转录生成4个文件，包括.json、.merge.txt、.srt、.txt。

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。

6.默认的快捷键是 caps lock，可以打开 core_client.py 进行修改。

7.Windows 隐藏黑窗口启动，将以下内容保存为 vbs 运行：

服务端程序：

CreateObject("Wscript.Shell").Run "start_server.exe",0,True

客户端程序：

CreateObject("Wscript.Shell").Run "start_client.exe",0,True

五、写在最后

这篇文章快写完了，才发现有一个类似的项目，但是更新的更加频繁，中文识别模型文件已经更新到2024年5月12日了，服务端和客户端的界面也进行了美化，可以隐藏在托盘图标。

唯一的缺点是，服务端和客户端都只能在win10上运行。win7用不了。

下载地址，以下4个都可以：

https://kkgithub.com/H1DDENADM1N/CapsWriter-Offline/releases

123盘 https://www.123pan.com/s/qBxUVv-H4Zq3.html 提取码:h8vb

夸克盘 https://pan.quark.cn/s/22fbcc7cfbde 提取码：LwqN

百度盘 https://pan.baidu.com/s/1teEZW5gGTeU6zi856SeORw?pwd=a1xh 提取码：a1xh

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～