[自荐] CapsWriter-Offline v2.5 好用的 PC 端的语音输入工具，高准确率、低延迟，支持热词、LLM 后处理

[JackalZhao]

按住 CapsLock 或 鼠标 X2 说话，松开就上屏。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。

✨ 核心特性

• 语音输入：按住 CapsLock 键 或 鼠标侧键 X2 说话，松开即输入，超低延迟，默认去除末尾逗句号。支持对讲机模式和单击录音模式。
• 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

功能文档：

• 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
• 更新日志

下载地址：

• 百度盘: https://pan.baidu.com/s/1GsrHynsRg3bAvNFoj8GuJQ 提取码: ngjo
• GitHub Release: HaujetZhao/CapsWriter-Offline

[yukminnie]

“如臂使指”是一个汉语成语，拼音为 rú bì shǐ zhǐ，意为像胳膊支配手指一样。它比喻指挥顺畅、运作得心应手、行动无阻、没有牵制。

对不起，看成臀了。心想怎么有这么刁钻的成语。

[JackalZhao]

@yukminnie 想描述得心应手的输入状态，让 Gemini 推荐的词

[lifeOsDeveloper]

居然看到了多年前用到现在的项目，我还一直用的原版，走阿里语音识别 api 的

[thatlazyman]

识别率不错

[JackalZhao]

@lifeOsDeveloper 离线版最好的模型精度会高很多

[javaluo]

赞！只不过豆包千问们太强了。 楼主的思路很棒

[utwo]

今天用了还提交了个 pr ，用起来真不错，尤其是翻译功能，谢谢。