HaujetZhao/CapsWriter-Offline
PC 端语音输入工具，离线识别，高准确率、低延迟，支持热词、LLM润色。按住CapsLock或鼠标侧键X2说话，松开自动上屏。
何を解決するか
CapsWriter-Offline は Windows 向けの完全オフライン、低レイテンシの音声認識入力システムを提供します。インターネット接続に依存せず、プライバシーを確保しつつ、セキュアなコンピュータでもスムーズな「プッシュ・トゥ・トーク」体験を実現します。
動作方法
本プロジェクトはクライアント-サーバー構造を採用しています。サーバーは音声認識モデルを処理し、クライアントはキーボード入力を管理します。特定のキー（例：CapsLock）を押すことで音声を録音し、オフラインエンジンで処理されます。Paraformer、SenseVoice-Small、Fun-ASR-Nano、Qwen3-ASR などの複数の ASR（自動音声認識）エンジンをサポートしており、ONNX および GGUF 形式を用いて効率的なローカル実行を実現。必要に応じて DirectML や Vulkan を通じた GPU 加速も可能です。
対象ユーザー
高速でプライベート、かつ高度にカスタマイズ可能なオフライン音声入力・字幕生成ツールが必要な Windows 10/11 ユーザー。
特徴
- プッシュ・トゥ・トーク入力：CapsLock キーまたはマウスのサイドボタンを離すと即座にテキスト入力が可能。
- オフライン字幕生成：オーディオ/動画ファイルをドラッグアンドドロップして .srt、.txt、.json 形式の字幕やトランスクリプトを生成可能。
- カスタマイズ可能な語彙：音声ベースの曖昧一致と正規表現ルールを用いたホットワード置換により、正確な用語をサポート。
- LLM 統合：特定のトリガー名が検出された際に、事前設定された役割（例：校正、アシスタント）が認識されたテキストを処理。
- デジタル ITN：発話された数字を自動的にフォーマット済み数字に変換（例："fifteen or sixteen" → "15~16"）。
- プライバシー最優先：すべての音声録音はローカルファイルとして保存され、データはマシン外に送信されません。
関連
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト