[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 · 11h 38m ago · 334 views
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
Supplement 1 · 48 mins ago
CapsWriter-Offline 起源
2020年10月，因手机上的语音输入法很好用，但电脑上却没有足够好用的语音输入法，我手写了一个工具 **CapsWriter**，通过长按大写锁定键录音，松开后，调用阿里云的一句话识别 API，识别后上屏。12月的时候，还加入图形化界面。但当时大学宿舍的校园网经常抽风，没有稳定的网络环境，转录延迟飘忽不定。有时候说完话了，等了好几秒，才发现 WiFi 没有连接，毁心态。但是当时并没有识别率能满足要求的离线中文 ASR 模型。
后来 Whisper 发布，中文识别率确实不错，但是模型延迟很高，无法满足本地语音输入。
到了2023年5月，在B站看到了 极客湾 的视频 我们做了个能对话的AI派蒙，免费给大家玩！ ，他们实现的效果非常好，其中提到 ASR 模型用了阿里 FunASR 团队发布的开源 Paraformer 模型，于是就拿来测试了下，果然识别准确率很棒、延迟超低，于是弃坑 CapsWriter ，立马新开了 CapsWriter-Offline ，用 sherpa-onnx 调用 Paraformer 进行转录，效果非常好。
2025年12月09日，我看到阿里 FunASR 团队开源了 Fun-ASR-Nano 模型，拿来一测，果然准确率又上一个台阶，在 sherpa_onnx 支持后，我赶紧更新了 CapsWriter-Offline v2.1，一次性加入了 SenseVoice-Small 和 Fun-ASR-Nano 模型的支持。但问题是当时 sherpa_onnx 是用 ONNX 实现的 Fun-ASR-Nano，速度有些慢。
我研究了 Fun-ASR-Nano 的架构，发现它的 Decoder 是 LLM 架构，而推理 LLM 最快的是 LLama.cpp 。虽然我编程能力差，但刚好此时，Google 推出了 Antigravity AI 编程 IDE，里面有 Gemini 和 Claude 模型，在他们的帮助下，我成功写出了 Fun-ASR-GGUF，用 onnx 和 gguf 格式混合运行 Fun-ASR-Nano，用 LLama.cpp 加速它的 LLM Decoder 部分，在我的笔记本上实现了最快的推理速度：
| 设备 | RTF |
|---|---|
| GPU RTX5050 | 0.025 |
| CPU U9-285H | 0.1 |
2026年01月21日，Qwen3-TTS 开源发布了，生成效果极其优异，让我特别想要，但官方版本推理速度很慢，于是基于 Fun-ASR-GGUF 的加速推理经验，在 Antigravity 的帮助下，我又实现了 Qwen3-TTS-GGUF ，也是用 LLama.cpp 加速它的 LLM Decoder 部分。
2026年01月28日，间隔没几天，Qwen3-ASR 开源发布了，本来没抱太大预期的，但下载 1.7B 一测后，又给我震惊了，准确率竟比 Fun-ASR-Nano 还上一个台阶，能吊打闭源模型！于是在 Qwen3-TTS-GGUF 经验的帮助下，我马不停蹄地实现了 Qwen3-ASR-GGUF 加速推理，实现了最快的推理速度：
| 设备 | RTF |
|---|---|
| GPU RTX5050 | 0.05 |
| CPU U9-285H | 0.2 |
这就是 CapsWriter-Offline 大致的来路。总体就是这几个组件：
- 模型推理
- 热词替换
- 按键监听与录音
当前只有 Windows 的打包，是因为我只有 Windows 电脑，没有 Linux 与 MacOS 的需求。在 Vibe Coding 时代，我相信需求的小伙伴在 Claude Code 的帮助下，也能在其系统上做出类似功能的实现。
 |
1
yukminnie 11h 22m ago
“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。 |
 |
2
JackalZhao OP @yukminnie 想描述得心应手的输入状态，让 Gemini 推荐的词
|
Select Language