CapsWriter-Offline：Windows 上完全离线的语音输入利器，按住说话松开即输

更新日志：本文基于 CapsWriter-Offline v2.6，2026 年 6 月数据。

CapsWriter-Offline 是什么

CapsWriter-Offline 是一个专为 Windows 打造的完全离线语音输入工具。核心交互非常简单——按住 CapsLock 键（或鼠标侧键双击）说话，松开就自动上屏。

不用联网、不用注册账号、不收集你的语音数据。所有识别在本地完成，一句话录完即刻出字，延迟在 0.6-4 秒之间（取决于所选模型和硬件）。

为什么需要它

语音输入在 PC 上一直有几个痛点：

• 在线方案延迟高：需要上传音频、等待云端识别、返回结果，网络波动直接卡顿
• 离线方案配置复杂：Kaldi、Whisper 等需要 Python 环境、CUDA、模型下载，普通用户门槛太高
• 快捷键不顺手：许多工具需要手动点击按钮开始/停止录音，打断打字流

CapsWriter-Offline 的设计哲学就是「无感输入」——按住一个键就说，松开就出字，不需要任何额外操作。完全离线保证了隐私和低延迟，一个 U 盘就能带走，保密电脑也能用。

支持的识别模型

工具内置四种离线引擎，准确率和速度各有侧重：

实测 20 秒音频转录延迟参考：

Paraformer 在 CPU 上最快，Qwen3-ASR 准确率最高但需要 GPU 才能发挥实时性能。

快速上手

1. 安装

# 准备环境
# 确保已安装 VC++ 运行库
# 若要文件转录功能，安装 ffmpeg 并加入系统 PATH

1. 从 Latest Release 下载软件本体
2. 从 Models Release 下载模型包
3. 将模型解压放入 models/ 目录
4. 双击 start_server.exe（自动最小化到托盘）
5. 双击 start_client.exe（自动最小化到托盘）
6. 按住 CapsLock 键或双击鼠标侧键，说话，松开即上屏

2. 配置

所有配置在 config_server.py 和 config_client.py 中直接编辑，覆盖：

• 默认引擎和模型路径
• 热词和替换规则
• 角色（LLM 润色）配置
• 录音设备和快捷键
• 录音保存和日记归档

3. 热词系统

CapsWriter-Offline 的热词系统是其核心差异化功能：

热词替换（hot.txt）：记录偏僻词（人名、专业术语），通过音素模糊匹配，相似度超过阈值则强制替换识别结果。例如自动将「深度学习框架」纠正为「PyTorch」。

规则替换（hot-rule.txt）：用正则或简单等号规则做精准替换，适合固定短语替换。

自定义短语：设置常用短语缩写，语音识别后自动展开为完整短语。

4. LLM 角色

支持通过 LLM 对识别结果做后处理。预置了几个角色模板：

• 润色：修正口语表达，使其更书面
• 小助理：对识别结果做 AI 摘要或补充

当识别结果的开头匹配角色名称时，自动交由该角色处理。

5. 文件转录

直接把音视频文件拖到客户端窗口，自动输出三种格式：

• .srt — 字幕文件
• .txt — 纯文本
• .json — 带时间戳的结构化数据

深入功能

录音模式

托盘菜单

右键托盘图标可快捷操作：

• 添加热词
• 复制最近结果
• 清除 LLM 记忆
• 隐藏/显示 CLI 窗口
• 切换录音模式

日记归档

按日期保存每一句语音及其识别结果，所有录音文件都存为本地音频，隐私不丢失。

C/S 架构

服务端和客户端分离。即使旧电脑（如 Win7）跑不动服务端模型，也可以用客户端连接其他机器上的服务端进行输入。

适合谁用

局限

• 仅 Windows 10/11：没有 macOS 和 Linux 版本。作者推荐同类工具 LazyTyper 和 闪电说
• 模型下载体量大：需额外下载模型包，不能开箱即用
• 需要 VC++ 运行库：部分电脑需单独安装
• Qwen3-ASR 需要 GPU：CPU 上延迟 4 秒，体验不如 Paraformer
• 没有图形化安装向导：模型目录结构需要手动配置

项目地址

参考资料

• CapsWriter-Offline README：完整文档和使用说明。→ https://github.com/HaujetZhao/CapsWriter-Offline
• Sherpa-ONNX：项目使用的推理框架之一。→ https://github.com/k2-fsa/sherpa-onnx
• FunASR：阿里达摩院开源 ASR 工具包。→ https://github.com/modelscope/FunASR