点一下右 Alt 说话，说完再点一下就上屏。就这么简单。
CapsWriter-Offline 是一个专为 Windows 打造的完全离线语音输入工具。
Note
关于本仓库：这是基于 HaujetZhao/CapsWriter-Offline 的个人 fork，仅作个人使用记录，不作为公开项目维护，请优先使用上游原版——绝大部分功能、模型与文档都出自原作者之手。
本仓相对上游只有四处个人化改动，都只是默认值/配置层面的取舍，改回上游行为随时可以：
| # | 改动 | 上游默认 | 本仓默认 | 怎么改回去 |
|---|---|---|---|---|
| ① | 录音键换成右 Alt（alt_gr），单击一下开始、再单击停止；并给这个键单独设了 threshold: 0.5 放宽单击容错 |
caps_lock，长按 |
alt_gr，单击 |
config_client.py 的 shortcuts |
| ② | 录音时屏幕底部显示悬浮胶囊（右 Alt 没有 CapsLock 那样的指示灯，需要一个状态提示） | 无 | 开启 | show_recording_toast = False |
| ③ | 上屏改走剪贴板粘贴，且不还原剪贴板（见上屏方式） | 模拟打字、还原剪贴板 | 粘贴、不还原 | paste = False、restore_clip = True |
| ④ | 录音期间静音系统输出，录完自动恢复（见录音时静音） | 无 | 开启 | mute_while_recording = False |
其中 ② 上游有意不做屏幕录音提示、也不做流式预览，理由见其常见问题——追求静默无感请用上游原版。
- 语音输入：默认按一下
右Alt开始说话、再按一下上屏（单击开关模式），超低延迟，默认去除末尾逗句号。也支持长按对讲机模式；config_client.py里可启用 CapsLock、鼠标侧键 X2 等其它键。 - 录音提示（本仓新增）：录音时屏幕中下方淡入深色胶囊（REC 红点 +「正在聆听」+ 跟随真实麦克风音量的声波条），转文字时变「正在转文字」，上屏后消失。因为改用了没有指示灯的右 Alt，用它补回 CapsLock 灯那种「一眼可见」。
- 录音时静音（本仓新增）：按下录音键自动静音系统输出，松开恢复。说话时不用先去暂停音乐或视频，也少了外放声串进麦克风。
- 文件转录：音视频文件往客户端 exe 一丢，字幕 (
.srt)、文本 (.txt)、时间戳 (.json) 统统都有。 - 数字 ITN：自动将「十五六个」转为「15~16个」，支持各种复杂数字格式。
- 热词替换：在
hot.txt记下偏僻词，通过音素模糊匹配，相似度大于阈值则强制替换。 - 正则替换：在
hot-rule.txt用正则或简单等号规则，精准强制替换。 - LLM 角色：预置了润色、小助理等角色，当识别结果的开头匹配任一角色名字时，将交由该角色处理。
- 托盘菜单：右键托盘图标即可添加热词、复制结果、清除LLM记忆。
- C/S 架构：服务端与客户端分离，虽然 Win7 老电脑跑不了服务端模型，但最少能用客户端输入。
- 日记归档：按日期保存你的每一句语音及其识别结果。
- 录音保存：所有语音均保存为本地音频文件，隐私安全，永不丢失。
CapsWriter-Offline 的精髓在于：完全离线（不受网络限制）、响应极快、高准确率 且 高度自定义。我追求的是一种「如臂使指」的流畅感，让它成为一个专属的一体化输入利器。无需安装，一个U盘就能带走，随插随用，保密电脑也能用。
以下为支持的模型：
| 引擎名 | 准确性 | 速度 | 格式 | 显卡加速 |
|---|---|---|---|---|
| Paraformer | ★★★☆☆ | ★★★★★ | ONNX | ❌ |
| SenseVoice-Small | ★★★☆☆ | ★★★★★ | ONNX | ✅ |
| Fun-ASR-Nano | ★★★★☆ | ★★★★☆ | ONNX + GGUF | ✅ |
| Qwen3-ASR | ★★★★★ | ★★★☆☆ | ONNX + GGUF | ✅ |
性能参考（20s 音频转录延迟）：
| 模型 | CPU U9-285H | GPU RTX5050 |
|---|---|---|
| Paraformer | 0.6s | - |
| SenseVoice-Small | 0.6s | 0.15s |
| Fun-ASR-Nano | 2.0s | 0.5s |
| Qwen3-ASR-1.7B | 4.0s | 1.0s |
详细功能说明请参考 docs/ 目录：
- 环境依赖安装说明 — VC++ 运行库、FFmpeg 安装
- 热词功能如何使用 — 热词替换、规则替换、自定义短语
- 角色功能如何使用 — LLM 角色配置、输出模式、创建新角色
- 识别语言如何配置 — 各引擎语言支持范围与配置方法
- 文件转录功能如何使用 — 拖拽转字幕、时间戳对齐
- 显卡加速的若干问题 — DirectML、Vulkan 加速配置
- 模型下载的若干问题 — 引擎选择、模型下载、目录结构
- 常见问题 — FAQ
- 更新日志
目前仅能保证在 Windows 10/11 (64位) 下完美运行。
- Linux：暂无环境进行测试和打包，无法保证兼容性。
- MacOS：由于底层的
keyboard库已放弃支持 MacOS，且系统限制极多，暂时无法支持。
LazyTyper 和 闪电说 也是很优秀的作品，都有离线引擎，都支持 Windows Linux 与 MacOS，并都有漂亮的图形化页面，推荐使用。
CapsWriter 的特别之处在于追求：
- 无感输入
- 完全离线，不受网络约束
- 低延迟，尽量做到硬件极限的最快速度
- 高度自定义的热词系统
- 准备环境：确保安装了 VC++ 运行库。若要使用文件转录功能，还需安装 ffmpeg 并确保其在系统 PATH 中。
- 下载解压：下载 Latest Release 里的软件本体，再到 Models Release 下载模型压缩包，将模型解压，放入
models文件夹中对应模型的文件夹里。 - 启动服务：双击
start_server.exe，它会自动最小化到托盘菜单。 - 启动听写：双击
start_client.exe，它会自动最小化到托盘菜单。 - 开始录音：按一下
右Alt开始说话，说完再按一下就上屏！（默认单击开关；想用长按、或换成 CapsLock、鼠标侧键 X2，都在config_client.py的shortcuts里改）
所有的设置都在根目录的 config_server.py 和 config_client.py 里，可直接编辑。
config_client.py 里有两个相关设置，本仓的默认值与上游不同：
| 设置 | 默认 | 说明 |
|---|---|---|
paste |
True |
上屏方式：True 写入剪贴板再模拟 Ctrl+V 粘贴，False 逐字模拟键盘输入 |
restore_clip |
False |
粘贴后是否把剪贴板还原成你原来复制的内容 |
为什么默认用粘贴：模拟打字是逐字符发送 Unicode 输入，会被中文输入法和部分 GUI 框架的 IME 干扰，容易丢字或标点后错字（见 docs/常见问题.md）。粘贴是一次性交给目标程序，长句更稳更快。
为什么默认不还原剪贴板：Ctrl+V 只是把按键塞进目标程序的消息队列，目标程序什么时候真去读剪贴板不受我们控制。Windows Terminal、Chrome、Electron 类程序读剪贴板是异步的，系统一卡（语音识别、模型推理、窗口重绘挤在一起）就可能过好一会儿才读。若我们抢在它读之前把剪贴板还原了，它读到的就是旧内容，或者正好撞上我们的写入导致读取失败——表现就是识别结果明明出来了，但一个字都没粘上。关掉还原就没有这个抢跑问题。
代价是每次上屏后剪贴板里会留着本次识别的文本，你原先复制的内容没了。如果更在意剪贴板不被覆盖，把 restore_clip 改回 True 即可，代价是系统卡顿时偶尔丢字。
mute_while_recording = True（本仓默认开启）：按下录音键时静音系统主音量，录音结束自动恢复。省得说话前先手动去暂停音乐或视频，也避免外放的声音串进麦克风。
几个细节：
- 静的是整机输出，不是逐个应用——包括系统提示音。想改成只压低别的应用音量，得改用会话级音量控制，本仓没做。
- 读写的是静音开关本身（
SetMute），不是模拟按静音键做切换。所以你原本就静音时它不会动，录完也不会替你把声音打开。 - 客户端进程正常退出会兜底恢复；被任务管理器强杀则不会，按一下键盘静音键即可。
- 依赖
pycaw。没装的话功能自动跳过，只在日志里留一条警告，不影响录音。
不需要就把 config_client.py 的 mute_while_recording 改成 False。
Q: 为什么按了没反应？
A: 依次确认三件事：① start_client.exe 的黑窗口还在运行；② 只开了一个客户端实例——开两个会争抢同一条全局键盘钩子，哪个实例接到按键会漂移，表现就是时好时坏（用任务管理器看 start_client.exe 有几个）；③ 若想在管理员权限运行的程序中输入，也需以管理员权限运行客户端。
单击模式下还有一个时长要求：按下后要在 threshold × 0.8（默认 0.4s）内松开，这一下才算「点了一下」。按更久会被当成长按——开始那下会取消录音、停止那下会失效。觉得紧就把 shortcuts 里右 Alt 那个 threshold 往上调。
Q: 为什么识别结果没字？
A: 到 年/月/assets 文件夹中检查录音文件，看是不是没有录到音；听听录音效果，是不是麦克风太差，建议使用桌面 USB 麦克风；检查麦克风权限。
Q: 上屏之后，我原来复制的东西怎么没了？
A: 默认走剪贴板粘贴上屏，且不还原剪贴板——这是为了避免系统卡顿时丢字，原因见上面的上屏方式。想保住剪贴板就把 config_client.py 的 restore_clip 改回 True。
Q: 一按录音键音乐就没声了？
A: 这是默认行为，录完会自动恢复，见上面的录音时静音。不想要就把 config_client.py 的 mute_while_recording 改成 False。如果录完声音没回来（通常是客户端被强杀了），按一下键盘静音键即可。
Q: 想要隐藏黑窗口？
A: 点击托盘菜单即可隐藏黑窗口。
Q: 如何开机启动？
A: Win+R 输入 shell:startup 打开启动文件夹，将服务端、客户端的快捷方式放进去即可。
更多问题请参阅 docs/常见问题.md。
| 项目名称 | 说明 | 体验地址 |
|---|---|---|
| IME_Indicator | Windows 输入法中英状态指示器 | 下载即用 |
| Rust-Tray | 将控制台最小化到托盘图标的工具 | 下载即用 |
| Gallery-Viewer | 网页端图库查看器，纯 HTML 实现 | 点击即用 |
| 全景图片查看器 | 单个网页实现全景照片、视频查看 | 点击即用 |
| 图标生成器 | 使用 Font-Awesome 生成网站 Icon | 点击即用 |
| 五笔编码反查 | 86 五笔编码在线反查 | 点击即用 |
| 快捷键映射图 | 可视化、交互式的快捷键映射图 (中文版) | 点击即用 |
本项目基于以下优秀的开源项目：
感谢 Google Antigravity、Anthropic Claude、GLM、DeepSeek，如果不是这些编程助手，许多功能（例如基于音素的热词检索算法）我是无力实现的。
特别感谢那些慷慨解囊的捐助者，你们的捐助让我用在了购买这些优质的 AI 编程助手服务，并最终将这些成果反馈到了软件的更新里。
如果觉得好用，欢迎点个 Star 或者打赏支持：
