首页 / 原创 / 电脑数码/ 电脑外设/ 耳麦/ 正文

AI时代到来，分享一款好用的本地语音识别输入工具

耳麦 05-04 19:29:04 83 0

大家好，我是波导终结者。

这几年AI的发展非常的迅速，也涌现出了不少好用的工具。我之前跟大家分享过，比如说人声分离呀，语音和文字的互转呀，这些工具都很实用。最近有不少厂家都在布局AI相关方面的应用，而在开源界，其实也有很多很不错的项目或者大神。今天跟大家分享的就是一款非常好用的语音识别输入工具，完全本地运行，无需联网。

这个项目在github的地址是，作者HaujetZhao，项目名CapsWriter-Offline（之后统一用CapsWriter称之），由于一些众所周知，却又不方便说的原因，这里可能给不了大家直接的地址，这种东西确实需要一点点的门槛。项目开源，使用的是阿里巴巴开源的 Paraformer 模型和标点符号模型。作者已经把Windows的可执行文件和模型都做好打包了，理论上只需要下载解压运行就可以。个人觉得有点搞笑的是中文语音输入的模型只有230MB大小，而标点符号模型却有1GB大小，但怎么样也算非常小了。

这个项目的运行完全依赖于本地模型，但是杠精肯定会说，你这不是有服务端跟客户端吗？是的，相关的技术问题我也懒得科普，其实大部分工具都是这么个模式，只是把服务端跟客户端一起打包隐藏起来了而已。这个项目所使用的服务端，因为技术原因只支持win10，作者又很贴心的给客户端提供了32位win7的版本，而已。如果你是win10本机运行，虽然需要服务端跟客户端，但是我实测完全就是127.0.0.1的本机访问而已，不需要互联网。

解压完之后，目录下的config.py是主要的配置文件，使用记事本即可打开编辑，这里我也把几个比较重要的选项用红框标注了出来。首先是识别模式，支持长按和按键切换开关两种模式，我个人还是习惯使用长按。而默认的快捷键是大小写键，这也正是此项目叫做CapsWriter的原因，我这里是把它改成了键盘上的Scroll Lock键，知道这个键的都跟我一样，是老家伙了吧。然后软件还支持把输入进行一个录音，如果没有需要的话，你可以关闭这个功能，以免占用硬盘空间。标点符号、阿拉伯数字的转换、中英文之间是否有空格等，这些根据自己的实际使用习惯来调整，其他的默认就可以。

CapsWriter比较好用的是支持中文热词功能，识别率还挺高的。完全依赖本地离线模型的工具是有这个问题，就是你不太好去扩充词库，除非重新训练模型。而热词功能就可以基本解决这个问题。

同时它还有英文热词的功能，但个人感觉识别准确度跟中文还是有一点差距。也不知道是我的英文不准，还是模型本来就侧重于中文。

还有一些不属于识别错误，但是是常用词或者专有名词替换的，也可以在hot-rule.txt里进行设置。但不管怎么样，目前肯定是达不到百分百的正确率的，还是需要自己进行一些后期的校对。

在服务端跟客户端窗口，也都可以看到每一句的识别结果。这篇文章也有一部分，我是使用语音识别来进行输入的。当然，每一句每一个词我都有进行校对，而且它也并不是AI生成文章，只是换成了语音输入而已。以目前的使用体验来看，我觉得比不少的联网或者收费工具都要来的好用，更别说手机上了。手机不管是各家的输入法，还是什么王者荣耀的语音识别，正确率基本都是零，每一句话都有好几个的错误，真的是不堪大用。