大家好，我是波導終結者。
這幾年AI的發展非常的迅速，也湧現出了不少好用的工具。我之前跟大家分享過，比如說人聲分離呀，語音和文字的互轉呀，這些工具都很實用。最近有不少廠家都在布局AI相關方面的應用，而在開源界，其實也有很多很不錯的項目或者大神。今天跟大家分享的就是一款非常好用的語音識别輸入工具，完全本地運作，無需聯網。
這個項目在github的位址是，作者HaujetZhao，項目名CapsWriter-Offline（之後統一用CapsWriter稱之），由于一些衆所周知，卻又不友善說的原因，這裡可能給不了大家直接的位址，這種東西确實需要一點點的門檻。項目開源，使用的是阿裡巴巴開源的 Paraformer 模型和标點符号模型。作者已經把Windows的可執行檔案和模型都做好打包了，理論上隻需要下載下傳解壓運作就可以。個人覺得有點搞笑的是中文語音輸入的模型隻有230MB大小，而标點符号模型卻有1GB大小，但怎麼樣也算非常小了。
這個項目的運作完全依賴于本地模型，但是杠精肯定會說，你這不是有服務端跟用戶端嗎？是的，相關的技術問題我也懶得科普，其實大部分工具都是這麼個模式，隻是把服務端跟用戶端一起打包隐藏起來了而已。這個項目所使用的服務端，因為技術原因隻支援win10，作者又很貼心的給用戶端提供了32位win7的版本，而已。如果你是win10本機運作，雖然需要服務端跟用戶端，但是我實測完全就是127.0.0.1的本機通路而已，不需要網際網路。
解壓完之後，目錄下的config.py是主要的配置檔案，使用記事本即可打開編輯，這裡我也把幾個比較重要的選項用紅框标注了出來。首先是識别模式，支援長按和按鍵切換開關兩種模式，我個人還是習慣使用長按。而預設的快捷鍵是大小寫鍵，這也正是此項目叫做CapsWriter的原因，我這裡是把它改成了鍵盤上的Scroll Lock鍵，知道這個鍵的都跟我一樣，是老家夥了吧。然後軟體還支援把輸入進行一個錄音，如果沒有需要的話，你可以關閉這個功能，以免占用硬碟空間。标點符号、阿拉伯數字的轉換、中英文之間是否有空格等，這些根據自己的實際使用習慣來調整，其他的預設就可以。
CapsWriter比較好用的是支援中文熱詞功能，識别率還挺高的。完全依賴本地離線模型的工具是有這個問題，就是你不太好去擴充詞庫，除非重新訓練模型。而熱詞功能就可以基本解決這個問題。
同時它還有英文熱詞的功能，但個人感覺識别準确度跟中文還是有一點差距。也不知道是我的英文不準，還是模型本來就側重于中文。
還有一些不屬于識别錯誤，但是是常用詞或者專有名詞替換的，也可以在hot-rule.txt裡進行設定。但不管怎麼樣，目前肯定是達不到百分百的正确率的，還是需要自己進行一些後期的校對。
在服務端跟用戶端視窗，也都可以看到每一句的識别結果。這篇文章也有一部分，我是使用語音識别來進行輸入的。當然，每一句每一個詞我都有進行校對，而且它也并不是AI生成文章，隻是換成了語音輸入而已。以目前的使用體驗來看，我覺得比不少的聯網或者收費工具都要來的好用，更别說手機上了。手機不管是各家的輸入法，還是什麼王者榮耀的語音識别，正确率基本都是零，每一句話都有好幾個的錯誤，真的是不堪大用。
這個項目的配置要求也非常低，僅對服務端要求64位WIN10，占用4G左右的系統記憶體。用戶端可以使用32位的win7，區域網路本地IP連接配接。另外，它還有什麼關鍵字、日志、視訊檔案轉錄等功能，但我覺得這并不是它的核心需求和強項。
感謝大家的觀看點贊和關注，有什麼疑問和需求，可以在評論區裡交流，我們下期再見。
Elgato Wave:3 USB電容麥克風話筒遊戲直播萊維特技術內建聲霸卡 ￥1259 購買