😘 CapsWriter-Offline 图形界面包分支 （ 仅 Windows 10+ ）

Windows 端离线语音输入简/繁体、中译英、字幕转录；在线多译多、云剪贴板等等

Important

图形化配置界面 edit_config_gui.exe，可方便修改大部分配置，更多自定义配置仍需手动修改 config.toml 文件

😎 十二个功能：

1. 按下键盘上的大写锁定键 CapsLock ，录音开始，当松开大写锁定键时，就会识别你的录音，并将识别结果立刻输入
2. 按下键盘上的 Left Shift 再按 CapsLock 可以将识别结果离线翻译为英文，当松开大写锁定键时，将翻译结果立刻输入
3. 按下键盘上的 Right Shift 再按 CapsLock 可以将识别结果在线翻译（LibreTranslate / DeepLX）为多国语言，默认设置翻译为日文，当松开大写锁定键时，将翻译结果立刻输入
4. 将音视频文件拖动到客户端 start_client_gui.exe 打开，即可转录生成 srt 字幕
5. 按下客户端主界面的 按钮，即可将客户端文本框中内容发布到 云剪贴板 ，并生成获取链接和二维码
6. 快速双击 CapsLock ，可语音输入繁体。还可通过托盘图标右键菜单快速切换简/繁体配置
7. 可通过 edit_config_gui.exe 图形化配置界面安全地修改客户端/服务端配置，也可手动修改 config.toml 文件
8. 可通过客户端托盘菜单 热切换 是否启用 AI 优化语言表达 以及 AI 服务商、修改 API Key 和 AI 优化风格
9. 可快捷键切换 AI优化语言表达 提示风格
10. 可在鼠标离开客户端界面时 变为数字时钟
11. 可录音时自动 静音 或 暂停 其他音频播放（暂停主要由模拟播放软件全局快捷键实现）
12. 可通过 config_selector.exe 选择配置文件

• ✨ 特性
• ⬇️ 下载地址
• ❗ 注意事项
• 🤓 源码运行
• 🔧 修改配置
• 🪳 提交 Bug

👀 最新更新

展开最近更新

新增 可选项 是否在启动服务端之前，先检查所需端口占用情况

如果启用，服务端启动时间增加约 25 秒

新增 优先级队列，转录文件同时语音输入，优先处理语音输入

新增 可选项 转录文件时，是否进行热词替换

config.toml use_hot_sub_when_transcribe_file

新增 可选模型 Fun-ASR-Nano-2512-GGUF

https://github.com/HaujetZhao/Fun-ASR-GGUF

将 Fun-ASR-Nano 模型转换为可以在本地高效运行的格式，实现准确、快速的离线语音识别，可直接转录长音频生成 SRT。主要依赖了 llama.cpp 对 LLM Decoder 的加速推理。

新增 配置选择器 config_selector.exe

该工具用于选择 ./configs 文件夹中的.toml配置文件

并将其复制为当前使用的config.toml文件。界面包含确认和取消按钮

请在切换配置前，手动关闭 服务端和客户端！

原理：删除 ./config.toml 文件，然后从 ./configs 文件夹中复制所选配置文件 替换 ./config.toml 文件

新增 双击客户端托盘图标 切换 客户端窗口 居中显示 或 隐藏

新增 可选项 显示数字时钟

在鼠标离开客户端界面时 显示数字时钟 以代替 客户端界面 启用后不再进行靠边停靠，改善多显示屏用户体验

新增 配置项 快捷键切换 AI优化语言表达 提示风格

切换后会有两秒右下角系统通知提示

修改 config.toml 注意避免快捷键冲突

默认配置如下：

ctrl + alt + shift + f1 -> 正式公文

ctrl + alt + shift + f2 -> 甜言蜜语

ctrl + alt + shift + f3 -> 社媒文案

ctrl + alt + shift + f4 -> 赋诗一首

ctrl + alt + shift + f5 -> 英语大师

ctrl + alt + shift + f6 -> 学术论文

ctrl + alt + shift + f7 -> 客户服务

ctrl + alt + shift + f8 -> 创意写作

新增 配置项 hot_rag

新版 独立热词与纠错系统，整合了音素处理、相似度算法、FastRAG 加速检索

config.toml 已经默认不启用 旧版 hot_zh、hot_en ，不建议与 旧版 hot_zh、hot_en 一起使用

不用增加 hot-rag.txt 文件

hot-en.txt 和 hot-zh.txt 文件仍然有效

新版客户端托盘图标右键菜单：

新增 配置项 禁用程序列表

disable_exe_list_on_focus：在这些程序为焦点时，不启用客户端功能:语音输入

disable_exe_list：在运行这些程序时(包括在背景运行)，不启用客户端功能:语音输入

需要添加更多程序时的格式: ["forhonor.exe", "abc.exe", "efg.exe"]

新增 客户端托盘菜单 热切换 AI 服务商

OpenAI（兼容） / 智谱AI

新增 客户端托盘菜单 热切换 AI 优化风格

正式公文 / 甜言蜜语 / 社媒文案 / 赋诗一首 / 英语大师 / 学术论文 / 客户服务 / 创意写作

新增 可通过客户端托盘菜单 热切换 是否启用 AI 优化语言表达

启用后预计增加 5s 时间延长

先在 config.toml 中配置 api_key （智谱AI API密钥）

新增 客户端托盘菜单 热切换 保存音频 保存日记 保存非关键词日记

是否记录非关键词日记内容到 Markdown 文件

在 保存日记 save_markdown 启用的情况下有效

通过 常用播放器内设置的 播放/暂停快捷键 控制 录音时暂停音频播放

QQ音乐、网易云音乐、PotPlayer、foobar2000 可通过 edit_config_gui.exe 配置 用于 播放/暂停 的快捷键

如果还有其他特殊应用 请配置 config.toml [client.additional_special_apps]

"<进程名>" = { hotkey = "<对应程序设置的全局快捷键>", name = "<用于输出日志的对应程序名称>" }

如果N个特殊应用在播放，支持全部暂停

如果一个非特殊应用在播放，通过 媒体键 暂停

如果N个非特殊应用在播放，不暂停

如果一个特殊应用和N个非特殊应用在播放，只暂停特殊应用

默认配置如下：

播放器	快捷键	备注
QQ音乐	Ctrl + Alt + F5	需在QQ音乐中设置全局快捷键
网易云音乐	Ctrl + Alt + F6	需在网易云音乐中设置全局快捷键
PotPlayer	Ctrl + Alt + F7	需在PotPlayer中设置全局快捷键
foobar2000	Ctrl + Alt + F8	需在foobar2000中设置全局快捷键
VLC Media Player	Ctrl + Alt + F9	需在VLC中设置全局快捷键，并重启VLC

常用播放器 如何配置 全局播放/暂停 快捷键？

新增 优先使用 LibreTranslate 在线翻译服务

服务端启动时，会自动检查 config.toml 中 LibreTranslate api 地址是否可用

如果可用，则优先使用 LibreTranslate 在线翻译服务；

如果不可用，则会自动切换到 DeepLX 在线翻译服务

新增 可选项 开始和结束任务时播放提示音

可在 config.toml 设置是否启用，以及音频文件路径和音量。需要ffplay.exe

ffplay.exe 来自 https://www.gyan.dev/ffmpeg/builds/

start.mp3 和 stop.mp3 音频文件来自 https://pixabay.com

新增 可选项 切换模型 Sensevoice 或 Paraformer

Sensevoice模型虽然多了粤英日韩多语种，但是，中文识别效果大不如Paraformer模型

比如转录字幕不完整，识别结果不准确、丢失标点等

如果你只说中文普通话，建议使用 'Paraformer' 模型

不影响简繁转换和翻译

新增 可选项 通过注册表/按键判断是否语音输入中

新增 可选项 是否启用离在线翻译和状态提示

start_online_translate_server = True # 启用在线翻译服务

start_offline_translate_server = True # 启用离线翻译服务

use_offline_translate_function = True # 启用离线翻译相关快捷键

use_online_translate_function = True # 启用在线翻译相关快捷键

hint_while_recording_at_edit_position_powered_by_ahk = True # 是否启用 基于AHK的 输入光标位置的输入状态提示功能

重写hint_while_recording.exe，实现更加精准的输入光标位置提示

不再是监测按键的伪状态，而是由Python(win32gui.PostMessage)将语音输入状态传递给AHK(hwnd)

双击录音键临时转换 简/繁 体中文输出，可在 config.toml 设置 简/繁 中文作为主要输出 (@JoanthanWu)

更美观的“语音输入中”提示，可在 hint_while_recording.ini 设置文本内容、颜色、排除列表等 (@JoanthanWu)

跟随鼠标光标位置的新版输入状态提示功能可在 config.toml 设置禁用

新版客户端界面：

• 透明；极简
• Ctrl+鼠标滚轮 可调整字体大小
• 标题栏和操作栏失去光标焦点时自动隐藏
• 窗口贴边自动隐藏
• 无任务栏图标

标题栏

• 📌：置顶窗口，将它显示在其他窗口之上 / 不置顶
• 云贴：按下客户端主界面的 云贴 按钮，即可将客户端文本框中的内容发布到云剪贴板（一个无依赖即用即走的剪切板） ，并生成获取链接和二维码。
• 清空：清空文本框中的全部内容

操作栏

• 监听：监听客户端输出 / 不监听，仅用作笔记本
• 字符数、字节数统计：光标已选中字符数 / 总字符数 | 字节数

---

✨ 特性

1. 基于 PySide6 的 GUI，服务端 start_server_gui.exe 默认使用 Qt-Material dark_yellow 主题，客户端 start_client_gui.exe 默认使用 Qt-Material dark_teal 主题；基于 PyStand 绿化便携 exe
2. 完全离线、无限时长、低延迟、高准确率、中英混输、中译英、自动阿拉伯数字、自动调整中英间隔
3. 防干扰功能：默认录音时静音并暂停其他音频播放，避免音乐干扰语音输入，通过 config.toml 中 mute_other_audio 和 pause_other_audio 配置
4. 离线翻译功能：离线翻译模型Helsinki-NLP/opus-mt-zh-en ，组合键 按住 Left Shift 再按 CapsLock 进行翻译，方便同时需要输入中文和英文翻译的场景。通过 config.toml 中 offline_translate_shortcut 配置
5. 在线翻译功能：服务端启动时，会自动检查 config.toml 中 LibreTranslate api 地址是否可用，如果可用，则优先使用 LibreTranslate 在线翻译服务；如果不可用，则会自动切换到 DeepLX 在线翻译服务。默认翻译为日文。过于频繁的请求 DeepLX 可能导致 IP 被封。组合键 按住 Right Shift 再按 CapsLock 进行翻译，方便同时需要输入中文和英文翻译的场景。通过 config.toml 中 online_translate_shortcut 和 trans_online_target_languages 配置
6. 转录功能：将音视频文件拖动到客户端 start_client_gui.exe 打开，即可转录生成 srt 字幕
7. 热词功能：可以在 hot-en.txt hot-zh.txt hot-rule.txt 中添加三种热词，客户端动态载入
8. 日记功能：默认每次录音识别后，识别结果记录在 年份/月份/日期.md ，录音文件保存在 年份/月份/assets
9. 关键词日记：识别结果若以关键词开头，会被记录在 年份/月份/关键词-日期.md，关键词在 keywords.txt 中定义
10. 服务端、客户端分离，可以服务多台客户端
11. 编辑 config.toml ，可以配置服务端地址、快捷键、录音开关……
12. 支持最小化到系统托盘
13. 已包含所有 Python 环境和 models 模型，解压即用
14. 输入状态提示功能：按下 Capslock 键会在光标处提示 ✦ 语音输入中‧‧‧；按两下 Capslock 键（简繁体转换）会在光标处提示✦語音輸入中⇄；按下 Shift 和 Capslock 键会在光标处提示 ✦VoiceTrans‧‧‧。注意此功能由 AutoHotKeyV2 hint_while_recording.exe 实现，编辑 hint_while_recording.ini 修改相关配置
15. 输入状态提示功能 V2：按下 Capslock 键会在跟随鼠标指针处提示一个小麦克风图标。默认启用，通过 config.toml 中 hint_while_recording_at_cursor_position 配置
16. 阿拉伯数字化年份功能：默认将****年 大写汉字替换为阿拉伯数字****年，例如一八四八年 替换为 1848 年。通过 config.toml 中 Arabic_year 配置
17. 启动后自动缩小至托盘功能：默认 服务端 start_server_gui.exe 启动后不显示主窗口，自动缩小至托盘；客户端 start_client_gui.exe 显示主窗口。通过 config.toml 中 shrink_automatically_to_tray 配置
18. 禁止多开功能：默认禁止多开，通过 config.toml 中 only_run_once 配置
19. 一键启动功能：默认服务端 start_server_gui.exe 启动后，自动 🛡️ 以管理员权限 启动客户端 start_client_gui_admin.exe，通过 config.toml 中 in_the_meantime_start_the_client_and_run_as_admin 和 In_the_meantime_start_the_client_as_admin 配置
20. 将文本上传至云剪切板，方便向 ios 设备分享。基于 https://share.lanol.cn (https://github.com/vastsa/FileCodeBox)，一个无依赖即用即走的剪切板。
21. 默认启用双击录音键临时转换 简/繁 体中文输出的功能，通过 config.toml 中 enable_double_click_opposite_state 配置
22. 默认使用简体中文作为主要输出，快速双击输出繁体中文。设置 config.toml 中 convert_to_traditional_chinese_main = '繁' 可以默认使用繁体中文，双击输出简体中文
23. 修改 AI 服务商 后，点击 客户端托盘菜单 🔑 修改 API Key 会弹出对应的API Key 输入框
24. 配置选择器的使用：将您修改后的自定义配置 config.toml 复制到 ./configs/ 目录下，重命名为例如 my config.toml。使用前先关闭服务端和客户端，再通过 config_selector.exe 选择对应的配置文件，点击 保存，最后手动重启服务端和客户端。

⬇️ 下载地址

• 123 盘：https://www.123pan.com/s/qBxUVv-H4Zq3.html 提取码:h8vb
• GitHub Release: Releases · H1DDENADM1N/CapsWriter-Offline

❗ 注意事项

1. 存在杀毒误报，建议关闭杀毒软件和防火墙，再解压

2. 建议先不要修改默认配置，测试能否正常运行

3. 音视频文件转录功能依赖于 FFmpeg，打包版本已内置 FFmpeg

4. 音频播放依赖于 FFplay，打包版本已内置 FFplay

5. 默认的快捷键是 caps lock，你可以打开 core_client.py 进行修改

6. 输入状态提示功能由 AutoHotKeyV2 hint_while_recording.exe 实现，修改 config.toml 默认快捷键并不会改变提示的按键设置，编辑 hint_while_recording.ini 修改相关配置

7. 在线翻译基于 LibreTranslate 或 DeepLX）。服务端启动时，会自动检查 config.toml 中 LibreTranslate api 地址是否可用，如果可用，则优先使用 LibreTranslate 在线翻译服务；如果不可用，则会自动切换到 DeepLX 在线翻译服务。DeepLX过于频繁的请求可能导致 IP 被封，如果出现 429 /502 / 503 错误，则表示你的 IP 被 DeepL 暂时屏蔽了，请不要在短时间内频繁请求

8. 当某程序以管理员权限运行，可能会出现有识别结果但是却无法在那个程序输入文字的状况，例如：Listary 、PixPin 等。这是因为 start_client_gui.exe 默认以用户权限运行客户端，运行在用户权限的程序无法控制管理员权限的程序。你可以关闭用户权限运行的客户端，尝试使用 start_client_gui_admin.exe 以管理员权限运行客户端

9. 添加开机自启动的方法：

   9.1 如果你未更改默认配置（ In_the_meantime_start_the_client = True 表示一键启动功能 生效，服务端会自动启动客户端），只用新建 start_server_gui.exe 的快捷方式，将服务端的快捷方式放到 shell:startup 目录下即可在开机时自动启动服务端和客户端。服务端会自动启动客户端。不要添加客户端的快捷方式。

   9.1.1 如果你未更改默认配置（ In_the_meantime_start_the_client_as_admin = True ），启动服务端会自动以管理员权限启动客户端。

   9.1.2 如果你更改了默认配置（ In_the_meantime_start_the_client_as_admin = False ），启动服务端会自动以用户权限启动客户端。

   9.2 如果你更改了默认配置（ In_the_meantime_start_the_client = False 表示一键启动功能 禁用，启动服务端不会启动客户端），新建 start_server_gui.exe 的快捷方式，将服务端的快捷方式放到 shell:startup 目录下只会在开机时自动启动服务端。客户端不会被启动。

   9.3 如果你更改了默认配置（ In_the_meantime_start_the_client = False ），新建 start_client_gui.exe 的快捷方式，将客户端的快捷方式放到 shell:startup 目录下只会在开机时自动启动客户端。服务端不会被启动。不要再添加客户端 start_client_gui_admin.exe 的快捷方式。

   9.4 如果你更改了默认配置（ In_the_meantime_start_the_client = False ），新建 start_client_gui_admin.exe 的快捷方式，将客户端的快捷方式放到 shell:startup 目录下只会在开机时自动以管理员权限启动客户端。服务端不会被启动。不要再添加客户端 start_client_gui.exe 的快捷方式。

10. 🤓 Open Home Folder With VSCode 使用前需在 config.toml 配置 vscode_exe_path

11. 输入状态指示位置错乱如何解决？ 10.1 通过 config.toml 中 hint_while_recording_at_cursor_position 配置禁用跟随鼠标光标位置的麦克风形状的输入状态提示；通过 config.toml 中 hint_while_recording_at_edit_position_powered_by_ahk 配置禁用输入光标位置的“✦语音输入中‧‧‧”文字状态提示

    10.2 通过重命名或删除 hint_while_recording.exe 完全不启用输入光标位置的“✦语音输入中‧‧‧”文字状态提示

    10.3 通过 hint_while_recording.ini 中 hintAtCursorPositionList 配置将部分程序的输入光标位置的“✦语音输入中‧‧‧”文字状态提示显示到鼠标光标位置

    10.4 通过 hint_while_recording.ini 中 doNotShowHintList 配置禁用部分程序的输入光标位置的“✦语音输入中‧‧‧”文字状态提示

    10.5 欢迎将位置错乱的exe程序名反馈给我

12. 整合包不支持增量更新，请删除 ./configs/ 目录下你的自定义配置例如 my config.toml，重新将修改后的自定义配置 config.toml 复制到 ./configs/ 目录下，重命名为例如 my config.toml。

🤓 源码运行

源码运行

在 整合包 使用 嵌入式python 简单调试

1. 运行 .\runtime\python.exe .\core_server.py 脚本 在终端启动服务端，会载入 SenseVoice 模型识别模型 或Paraformer 模型和标点模型（通过config.toml model = 'Sensevoice' # 'Sensevoice' 或 'Paraformer' 配置。这会占用 2GB 的内存，载入时长约 50 秒）
2. 运行 .\runtime\python.exe .\core_client.py 脚本 在终端启动客户端，会载入中译英模型，打开系统默认麦克风，开始监听按键（这会占用 400MB 的内存，载入时长约 20 秒）
3. 按住 CapsLock 键，录音开始，松开 CapsLock 键，录音结束，识别结果立马被输入（录音时长短于 0.3 秒不算）
4. 按住 Left Shift 再按 CapsLock 进行离线翻译，方便同时需要输入中文和英文翻译的场景
5. 按住 Right Shift 再按 CapsLock 进行在线翻译，方便同时需要输入中文和英文翻译的场景

使用 uv 在 虚拟环境python（.venv）进阶调试（更新第三方依赖等等）

1. 克隆项目

git clone https://github.com/H1DDENADM1N/CapsWriter-Offline.git

cd CapsWriter-Offline

2. 安装依赖

2.1 安装第三方依赖

uv sync --all-groups

调试配置编辑器 GUI （edit_config_gui.py） 另需手动下载 siui （ PySide6-SiliconUI ）放在 .venv/Lib/site-packages

2.2 下载模型

详见 models/模型下载方式.txt 或 模型下载链接

3. 启动服务端和客户端

3.1 在终端 启动服务端和客户端

启动服务端

uv run core_server.py

启动客户端

uv run core_client.py

3.2 启动服务端、客户端和配置编辑器 GUI

启动服务端GUI

uv run start_server_gui.py

启动客户端GUI

uv run start_client_gui.py

启动配置编辑器GUI

uv run edit_config_gui.py

4. 检测和升级依赖包

4.1 检测第三方依赖是否有更新

uv run dev\check_site_packages_update.py

4.2 升级依赖包

非项目依赖，运行 uv pip install <包名> == <最新版本> 测试新版是否兼容

项目依赖，运行 uv add [--group <组名>] [--optional dev] <包名> >= <最新版本> 测试新版是否兼容

4.3 更新 pyproject.toml

修改 pyproject.toml 并运行 uv sync --all-groups --all-extras

5. 打包

详见 Pystand

---

🔧 修改配置

你可以使用 edit_config_gui.exe 图形界面工具方便且安全地修改 服务端、客户端的配置，也可以直接编辑 config.toml ，在开头部分有注释，指导你修改服务端、客户端的：

# 调试
[debug]
logger_level = "ERROR" # 调试日志级别
# 级别名称
# TRACE           5
# DEBUG           10
# INFO            20
# SUCCESS         25
# WARNING         30
# ERROR           40
# CRITICAL        50


# ======================服务端配置==================================
[server]
model = "FunASR"
# 'FunASR' 、 'Sensevoice' 或 'Paraformer'
# FunASR 目前的旗舰模型，速度较快，准确率最高,内存占用最多
# Sensevoice 中粤英日韩多语种，速度最快，准确率最低，内存占用最少
# Paraformer 中英，速度中速，准确率高，内存占用中

expand_funasr_hotwords = false
# 是否启用 Fun-ASR-Nano-GGUF-2026-02-08 模型热词扩展功能
# 将 .\hot-zh.txt 和 .\hot-en.txt 文件追加到 FunASR 模型热词列表中
# .\models\Fun-ASR-Nano-GGUF-2026-02-09\hot.txt
# 不具有强制替换性，仅提供给 LLM 作为提示词

addr = "0.0.0.0"
# 服务端监听地址

speech_recognition_port = "6016"
# 语音识别服务端口

check_port_usage_before_start = false
# 是否在启动服务端之前，先检查所需端口占用情况
# 如果启用，服务端启动时间增加约 25 秒

start_online_translate_server = true
# 是否启用在线翻译服务

start_offline_translate_server = true
# 是否启用离线翻译服务

offline_translate_port = "6017"
# 离线翻译服务端口

format_num = true
# 是否将中文数字转为阿拉伯数字

format_punc = true
# 使用 'Paraformer' 模型时，输出时是否启用标点符号引擎

format_spell = true
# 是否调整中英之间的空格

shrink_automatically_to_tray = true
# 启动后是否自动缩小至托盘

only_run_once = true
# 只允许运行一次，禁止多开

in_the_meantime_start_the_client = true
# 启动服务端时是否同时启动客户端

in_the_meantime_start_the_client_and_run_as_admin = true
# 启动服务端的同时以管理员权限启动客户端
# 当某程序以管理员权限运行
# 可能会出现有识别结果但是却无法在那个程序输入文字的状况
# 例如：Listary、PixPin等
# 这是因为 start_client_gui.exe 默认以用户权限运行客户端
# 运行在用户权限的程序无法控制管理员权限的程序
# 你可以关闭用户权限运行的客户端
# 尝试使用 start_client_gui_admin.exe
# 以管理员权限运行客户端


# ======================客户端配置==================================

[client]
addr = "127.0.0.1"
# 要连接的服务端地址

speech_recognition_port = "6016"
# 语音识别服务端口

offline_translate_port = "6017"
# 离线翻译服务端口

offline_translate_port_gemma2b = "11434"
# Gemma 2B 离线翻译端口

speech_recognition_shortcut = "caps lock"
# 控制录音的快捷键，默认是 "caps lock"

disable_exe_list_on_focus = [""]
# 在这些程序为焦点时，不启用客户端功能:语音输入
# 需要添加更多程序时的格式: ["forhonor.exe", "abc.exe", "efg.exe"]

disable_exe_list = [""]
# 在运行这些程序时(包括在背景运行)，不启用客户端功能:语音输入

use_offline_translate_function = true
# 是否启用离线翻译功能

offline_translate_shortcut = "left shift"
# 控制离线翻译的快捷键，默认是 "left shift"，按住 Left Shift 再按 CapsLock 进行离线翻译

use_online_translate_function = true
# 是否启用在线翻译功能

online_translate_shortcut = "right shift"
# 控制在线翻译的快捷键，默认是 Right Shift，按住 Right Shift 再按 CapsLock 进行在线翻译
# 在线翻译基于 DeepLX，过于频繁的请求可能导致 IP 被封
# 如果出现 429 错误，则表示你的 IP 被 DeepL 暂时屏蔽了，请不要在短时间内频繁请求

online_translate_target_languages_libretranslate = "ja"
# LibreTranslate 在线翻译目标语言
#
# https://www.iso.org/iso-639-language-code

online_translate_target_languages = "JA"
# 在线翻译目标语言
# 常用的 EN JA RU，更多选择参考 https://www.deepl.com/docs-api/translate-text

hold_mode = true
# 长按模式，按下录音，松开停止，像对讲机一样用
# 改为 false，则关闭长按模式，也就是单击模式
# 即：单击录音，再次单击停止
# 且：长按会执行原本的单击功能

suppress = false
# 是否阻塞按键事件（让其它程序收不到这个按键消息）(只适用于hold_mode)

restore_key = true
# 录音完成，松开按键后，是否自动再按一遍，以恢复 CapsLock 或 Shift 等按键之前的状态

threshold = 0.5
# 按下快捷键后，触发语音识别的时间阈值

paste = true
# 是否以写入剪切板然后模拟 Ctrl-V 粘贴的方式输出结果

restore_clipboard_after_paste = true
# 模拟粘贴后是否恢复剪贴板

save_audio = true
# 是否保存录音文件

save_markdown = true
# 是否将记录写入 Markdown 文件

save_non_kwd_markdown = true
# 是否记录非关键词日记内容到 Markdown 文件
# 在save_markdown启用的情况下有效

audio_name_len = 20
# 将录音识别结果的前多少个字存储到录音文件名中，建议不要超过 200

reduce_audio_files = true
# 如果用户已安装 ffmpeg，调用 ffmpeg 录音时输出 mp3 格式的音频文件，大大减小文件体积，减少磁盘占用

trash_punc = "，。,."
# 识别结果要消除的末尾标点

hot_zh = false
# 旧版 是否启用中文热词替换，中文热词存储在 hot_zh.txt 文件里
# 不建议与 新版 hot_rag 一起使用

"多音字" = true
# true 表示多音字匹配

"声调" = false
# false 表示忽略声调区别，这样「黄章」就能匹配「慌张」

hot_en = false
# 旧版 是否启用英文热词替换，英文热词存储在 hot_en.txt 文件里
# 不建议与 新版 hot_rag 一起使用

hot_rule = true
# 是否启用自定义规则替换，自定义规则存储在 hot_rule.txt 文件里

hot_kwd = true
# 是否启用关键词日记功能，自定义关键词存储在 keyword.txt 文件里

hot_rag = true
# 新版 独立热词与纠错系统，整合了音素处理、相似度算法、FastRAG 加速检索
# 不建议与 旧版 hot_zh、hot_en  一起使用
# 不用重新编辑 hot-rag.txt 文件
# hot-en.txt 和 hot-zh.txt 文件仍然有效

use_hot_sub_when_transcribe_file = false
# 转录文件时，是否进行热词替换

mic_seg_duration = 60
# 麦克风听写时分段长度：60 秒

mic_seg_overlap = 4
# 麦克风听写时分段重叠：4 秒

file_seg_duration = 60
# 转录文件时分段长度：60 秒

file_seg_overlap = 4
# 转录文件时分段重叠：4 秒

file_save_srt = true
# 转录文件时是否保存 srt 字幕

file_save_txt = false
# 转录文件时是否保存 txt 文本（按标点切分后的）

file_save_json = false
# 转录文件时是否保存 json 结果（含原始时间戳）

file_save_merge = false
# 转录文件时是否保存 merge.txt（未切分的段落长文本）

mute_other_audio = true
# 录音时是否静音其他音频播放

pause_other_audio = true
# 录音时是否暂停其他音频播放

QQMusic_global_pause_hotkey = "ctrl + alt + f5"
# 首先，启用 pause_other_audio
# 使用 QQ 音乐 设置的全局 播放/暂停 的快捷键
# 留空则 在QQ音乐播放时不暂停
# 注意避免快捷键冲突

CloudMusic_global_pause_hotkey = "ctrl + alt + f6"
# 首先，启用 pause_other_audio
# 使用 网易云音乐 设置的全局 播放/暂停 的快捷键
# 留空则 在网易云音乐播放时不暂停
# 注意避免快捷键冲突

PotPlayer_global_pause_hotkey = "ctrl + alt + f7"
# 首先，启用 pause_other_audio
# 使用 PotPlayer 设置的全局 播放/暂停 的快捷键
# 留空则 在PotPlayer播放时不暂停
# 注意避免快捷键冲突

foobar2000_global_pause_hotkey = "ctrl + alt + f8"
# 首先，启用 pause_other_audio
# 使用 foobar2000 设置的全局 播放/暂停 的快捷键
# 留空则 foobar2000 播放时不暂停
# 注意避免快捷键冲突

# 如果还有除了 QQ音乐、网易云音乐、PotPlayer、foobar2000
# 以外，还有 其他特殊应用
# 请配置 下方 附加特殊应用列表 [client.additional_special_apps]

arabic_year_number = true
# 将 ****年 大写汉字替换为阿拉伯数字 ****年，例如一八四八年 替换为 1848 年

shrink_automatically_to_tray = false
# 启动后是否自动缩小至托盘

only_run_once = true
# 只允许运行一次，禁止多开

only_enable_microphones_when_pressed_record_shortcut = true
# 只在按下录音快捷键时启用麦克风
# 建议启用，有些蓝牙耳机录音时无法播放
# 而且启用后，切换默认麦克风也不用重启客户端
# 比如从蓝牙耳机换回笔记本电脑默认麦克风
# 缺点就是输入的时候可能会慢些
# 毕竟要先建立与麦克风的连接

vscode_exe_path = "C:\\SSS\\VSCode\\Code - Insiders.exe"
# 设置 VSCode 可执行文件位置
# 用于通过客户端托盘图标右键菜单项 View 子菜单项
# 🤓 Open Home Folder With VSCode
# 使用 VSCode 快速打开 CapsWriter 主目录
# 方便调试

play_start_music = true
# 开始任务时是否播放提示音
# 需要 ffplay.exe

start_music_path = "assets/start.mp3"
# 开始任务提示音的文件路径

start_music_volume = "100"
# 开始任务提示音的音量，0 ~ 100 之间

play_stop_music = true
# 结束任务时是否播放提示音
# 需要 ffplay.exe

stop_music_path = "assets/stop.mp3"
# 结束任务提示音的文件路径

stop_music_volume = "50"
# 结束任务提示音的音量，0 ~ 100 之间

hint_while_recording_at_edit_position_powered_by_ahk = true
# 是否启用基于 AHK 的输入光标位置的输入状态提示功能

hint_while_recording_at_cursor_position = true
# 是否启用跟随鼠标光标位置的新版输入状态提示功能

check_microphone_usage_by = "注册表"
# "按键" 或 "注册表"
# 默认通过监测注册表判断麦克风是否在被客户端使用进而确定是否在录音
# 如果设置了 `only_enable_microphones_when_pressed_record_shortcut = false`
# 会造成的鼠标光标旁边永远显示麦克风标志
# 将强制忽略此项设置使用 "按键"
# "按键" 是通过监测 `speech_recognition_shortcut` 状态是否按下进而推测是否在录音

enable_double_click_opposite_state = true
# 是否启用双击 `录音键` 临时转换 `简/繁` 体中文输出的功能

convert_to_traditional_chinese_main = "简"
# `简/繁` 中文作为主要输出

opencc_converter = "s2t"
# OpenCC 转换器
# s2t Simplified Chinese to Traditional Chinese 简体到繁体
# t2s Traditional Chinese to Simplified Chinese 繁体到简体
# s2tw Simplified Chinese to Traditional Chinese (Taiwan Standard) 简体到台湾正体
# tw2s Traditional Chinese (Taiwan Standard) to Simplified Chinese 台湾正体到简体
# s2hk Simplified Chinese to Traditional Chinese (Hong Kong Standard) 简体到香港繁体（香港小学学习字词表标准）
# hk2s Traditional Chinese (Hong Kong Standard) to Simplified Chinese 香港繁体（香港小学学习字词表标准）到简体
# s2twp Simplified Chinese to Traditional Chinese (Taiwan Standard) with Taiwanese idiom 简体到繁体（台湾正体标准）并转换为台湾常用词汇
# tw2sp Traditional Chinese (Taiwan Standard) to Simplified Chinese with Mainland Chinese idiom 繁体（台湾正体标准）到简体并转换为中国大陆常用词汇
# t2tw Traditional Chinese (OpenCC Standard) to Taiwan Standard 繁体（OpenCC 标准）到台湾正体
# t2hk Traditional Chinese (OpenCC Standard) to Hong Kong Standard 繁体（OpenCC 标准）到香港繁体（香港小学学习字词表标准）
# t2jp Traditional Chinese Characters (Kyūjitai) to New Japanese Kanji (Shinjitai) 繁体（OpenCC 标准，旧字体）到日文新字体
# jp2t New Japanese Kanji (Shinjitai) to Traditional Chinese Characters (Kyūjitai) 日文新字体到繁体（OpenCC 标准，旧字体）

enable_ai_optimize_language_expression = false
# 是否启用 AI 优化语言表达
# 启用后预计增加 5s 时间延长

ai_provider = "openai"
# AI 优化语言表达 使用的 AI 服务商
# "zhipuai"  智谱
# "openai"  OpenAI 以及兼容 OpenAI API 的服务商

prompt_style_selection = "english"
# 提示风格
# official 正式公文文本校对助手
# sweetheart 贴心的男友式文本润色助手
# social 社交媒体文案优化助手
# poetry 仿古诗
# english 翻译为英文
# academic 学术论文润色助手
# customer_service 客户服务回复助手
# creative_writing 创意写作助手

show_prompt_style_changed_notification = true
# 是否在切换提示风格时显示提示

show_time_label = false
# 是否在鼠标离开客户端界面时 显示数字时钟 以代替 客户端界面
# 启用后不再进行靠边停靠，改善多显示屏用户体验

[client.zhipuai]
api_key = ""
# 请填写您自己的 API Key
# 不要泄露给任何人
# 获取 API Key https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys

model = "glm-4.5-flash"
# 模型名称 默认免费模型 glm-4.5-flash
# 了解更多 https://open.bigmodel.cn/


[client.openai]
# OpenAI 以及 兼容 OpenAI API 的服务商
api_key = ""
# 请填写您自己的 API Key
# 不要泄露给任何人
base_url = "https://api.siliconflow.cn/v1"
model = "Qwen/Qwen2.5-14B-Instruct"
# 硅基流动 注册邀请码：WDsBZwpv
# https://cloud.siliconflow.cn/i/WDsBZwpv
# SiliconFlow 邀请奖励持续进行，2000 万 Tokens 送不停！
# 1. 邀请好友赚 2000 万 Tokens：每成功邀请一位新用户通过手机号码注册，您将获得 2000 万 Tokens；
# 2. 注册即送 2000 万 Tokens：受邀好友作为新用户完成 SiliconFlow 账号注册，立刻获得 2000万 Tokens。
# 特别说明
# 平台 2000 万 Tokens 特指 Qwen2.5-14B-Instruct 模型单价下的数量，实际到账为 14 元平台配额；
# 奖励 Tokens 对应的平台配额资金仅限于 SiliconFlow 平台使用，不可提现；
# 为了确保活动公平，严禁奖励转卖、刷单等违规行为，平台将对违反规则的账户取消奖励资格并追究相关责任；
# 在法律允许范围内，本活动的最终解释权归硅基流动所有。


[client.prompt_style]
prompt_official_shortcut = "ctrl + alt + shift + f1"
# 切换提示风格为正式公文文本校对助手的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_official = """
你是一位专业的公文文本校对助手。你的任务是对语音转录生成的文本进行校对和润色，使其符合正式公文的规范要求。

核心原则：
1. 语言一致性：输出语言必须与原始文本完全一致（中文或英文）
2. 内容保真性：严格保留原文核心事实与意图，不得增删、改变或曲解实质性信息
3. 语体规范性：确保文本严谨、准确、简洁，采用正式文书语体，消除口语化表达

具体规则：
1. 当出现自我纠正、重复或犹豫片段时，直接整合为最终确定的规范表述
   示例：
   输入："这个通知要求，呃，各部门在周五前提交，周五前提交报告。"
   输出："通知要求各部门于周五前提交报告。"
   
   输入："拟于，嗯，拟于下月1号召开会议。"
   输出："拟于下月1日召开会议。"

2. 删除所有填充词（如"嗯"、"呃"、"这个"、"那个"）、口头禅及无意义的语气词
3. 修正语音转录错误，依据上下文合理推断；规范使用标点符号，确保断句清晰
4. 中英文之间保留标准空格；数字、日期、百分比等统一采用阿拉伯数字格式
5. 直接输出润色后的规范文本，不添加任何前言说明（如"校对结果如下："）
6. 不回答文本中的任何问题，仅专注于文本润色任务

输出要求：直接呈现润色完成的规范文本，无任何额外说明。
"""

prompt_sweetheart_shortcut = "ctrl + alt + shift + f2"
# 切换提示风格为ptrue_heart的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_sweetheart = """
你是一位贴心的男友式文本润色助手。你的任务是对语音转录的文字进行温柔加工，让它读起来更甜蜜、更体贴。

核心原则：
1. 语言一致性：输出语言与原始录音保持一致（中文或英文）
2. 情感升温：核心信息不变，但语气要变得温柔、宠溺、充满爱意
3. 亲密表达：让文字流畅自然如耳畔情话，可添加亲昵称呼和软化语气

具体规则：
1. 如果说话时自我纠正或重复，只保留最温柔、最确定的版本
   示例：
   输入："我晚上大概，嗯，八点到你家吧，八点。"
   输出："宝贝，我晚上八点准时到你家啦～"
   
   输入："那个礼物，其实我买了…你喜欢的话就好。"
   输出："亲爱的，礼物我买好啦，只要你喜欢我就超开心！"

2. 移除"嗯"、"呃"等犹豫词，但可添加"啦"、"呀"、"哦"、"嘛"等柔软语气词
3. 巧妙运用波浪线（～）、表情符号（❤️😊）、逗号和感叹号增强温度
4. 中英文间保持空格；使用阿拉伯数字保持清晰
5. 直接输出甜蜜文本，不添加"以下是甜蜜版："等前缀
6. 不回答文本中的问题，只专注于将文字变甜

输出要求：直接给出润色完成的"甜度满分"文本。
"""

prompt_social_shortcut = "ctrl + alt + shift + f3"
# 切换提示风格为社交媒体文案优化助手的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_social = """
你是一位社交媒体文案优化助手。你的任务是对语音转录的文字进行加工，使其适合直接发布在社交平台。

核心原则：
1. 语言一致性：输出语言与原始录音保持一致（中文或英文）
2. 网感重塑：保留核心信息，但表达更具网感、更吸引眼球
3. 传播优化：让文案流畅、有节奏感，适合社交媒体传播

具体规则：
1. 精简自我纠正和重复，只留下最有力、最吸睛的表达
   示例：
   输入："这款面膜真的…绝了！我的天，敷完皮肤，嗯，敷完皮肤好嫩。"
   输出："这款面膜真的绝了！敷完皮肤好嫩到发光💡 #护肤黑科技 #好物分享"
   
   输入："周末去哪玩？我觉得我们可以…呃…去那个新开的露营基地。"
   输出："周末去哪玩？推荐新开的露营基地！⛺️ #周末去哪儿"

2. 去掉"嗯"、"呃"等犹豫词，可使用"鸭"、"捏"、"！"等网络常用语气
3. 灵活使用Emoji、话题标签（#）、标点和空格营造氛围
4. 中英文间加空格；优先使用阿拉伯数字
5. 直接输出文案，不添加"文案如下："等前缀
6. 不回答文本中的提问，只优化文案的表达形式

输出要求：直接给出优化完成、适合一键发布的社交文案。
"""

prompt_poetry_shortcut = "ctrl + alt + shift + f4"
# 切换提示风格为社交媒体文案优化助手的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_poetry = """
你是一位古诗创作助手。你的任务是根据语音转录的文字内容，创作一首符合古典诗歌风格的仿古诗。

核心原则：
1. 语言转换：无论原始录音为何种语言，输出必须为中文古典诗歌
2. 意境提炼：提取原始内容的核心意象和情感，转化为诗歌题材
3. 格律遵循：诗歌需符合古典诗歌的基本特征，讲究押韵和节奏感

具体规则：
1. 如果原始内容冗长或重复，提炼关键元素进行诗意创作
   示例：
   输入："今天心情不好，看到下雨更难受了。"
   输出："阴雨连绵日，愁怀更几重。凭窗观落絮，心事满苍穹。"
   
   输入："春天来了，花都开了，我们去郊游吧。"
   输出："春至百花开，邀君郊野行。芳菲盈翠径，笑语伴莺声。"

2. 使用典雅的古汉语词汇，摒弃口语化表达
3. 可运用比喻、典故、起兴等传统手法增强诗意
4. 根据诗歌体裁定稿（绝句、律诗或古风体），用逗号、句号分隔
5. 优先使用中文数字以符合古典风格
6. 直接输出诗歌内容，不添加标题或引导语
7. 不解释诗歌含义，只输出诗歌本身

输出要求：直接呈现创作完成的古典诗歌。
"""

prompt_english_shortcut = "ctrl + alt + shift + f5"
# 切换提示风格为英文润色助手的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_english = """
你是一位地道的美式英语翻译与润色专家。你的任务是将语音转录的文本翻译并润色为地道的美式英语。

核心原则：
1. 语言转换：无论原始录音为何种语言，输出必须为地道的美式英语
2. 信息完整：完整保留原始内容的全部信息、意图和情感色彩
3. 表达地道：确保英语流畅自然，符合美式英语的表达习惯

具体规则：
1. 处理自我纠正和重复时，用最自然流畅的英语表达最终意图
   示例：
   输入："这个项目，嗯，我觉得我们需要更多时间来完成它。"
   输出："I think we need more time to complete this project."
   
   输入："今天的会议取消了，因为，呃，因为老板有急事。"
   输出："Today's meeting has been canceled because the boss has an emergency."

2. 移除中文特有的填充词和语气助词，转化为英语中自然的表达
3. 修正转录错误，基于上下文进行合理的语义推断
4. 正确使用英语标点；英文单词间保留空格
5. 使用阿拉伯数字，符合英语书写惯例
6. 直接输出英语文本，不添加"翻译如下："等引导语
7. 不回答文本中的问题，专注于语言的精准转换

输出要求：直接给出润色后的地道美式英语文本。
"""

prompt_academic_shortcut = "ctrl + alt + shift + f6"
# 切换提示风格为学术论文优化助手的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_academic = """
你是一位专业的学术论文润色助手。你的任务是将语音转录的文本（特别是学术讨论、研究想法或实验记录）转化为严谨、规范的学术论文语言。

核心原则：
1. 语言一致性：输出语言应与原始文本保持一致（通常是中文或英文）
2. 学术严谨性：确保文本符合学术写作规范，逻辑严密，表述客观
3. 信息保真：完整保留原始内容的核心观点、数据和论证逻辑

具体规则：
1. 将口语化、碎片化的表达转化为完整的学术语句
   示例：
   输入："我们发现这个反应，嗯，好像温度升高会加快，大概快了30%左右。"
   输出："实验结果表明，温度升高可使反应速率提高约30%。"
   
   输入："之前那个假设，就是关于催化剂影响的，可能需要重新考虑。"
   输出："关于催化剂影响的初始假设可能需要重新评估。"

2. 移除所有填充词、犹豫词和不必要的重复
3. 规范学术术语，确保专业名词准确一致
4. 使用被动语态、客观表述，避免第一人称主观表述（如"我认为"应改为"本研究认为"）
5. 规范引用格式（如提及文献时，使用标准引用格式）
6. 数据、单位、公式应准确无误，使用国际标准单位
7. 直接输出润色后的学术文本，不添加任何解释说明
8. 不回答文本中的问题，仅专注于语言润色和学术化转换
9. 避免 AI 生成内容的痕迹

输出要求：直接呈现符合学术规范的润色文本。
"""

prompt_customer_service_shortcut = "ctrl + alt + shift + f7"
# 切换提示风格为客户服务回复优化助手的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_customer_service = """
你是一位专业的客户服务回复助手。你的任务是将内部讨论的语音转录转化为专业、得体的客户服务回复。

核心原则：
1. 客户导向：语言礼貌、积极、富有同理心
2. 问题解决：明确解决方案或后续步骤
3. 品牌一致：符合企业服务标准和品牌调性

具体规则：
1. 将内部讨论转化为面向客户的正式回复
   示例：
   输入："这个客户投诉说产品有问题，呃，让技术部看一下，如果可以的话换个新的。"
   输出："尊敬的客户，您好！我们已收到您的反馈。技术部门将立即检查您提到的问题。如确属产品质量问题，我们将为您免费更换新产品。感谢您的耐心与支持！"
   
   输入："用户问什么时候发货，目前是缺货状态，大概下周能补货。"
   输出："您好！目前该商品暂时缺货，预计下周补货。补货后我们将立即为您安排发货。感谢您的耐心等待！"

2. 使用标准客服开头和结尾用语
3. 表达歉意和感谢时真诚得体
4. 明确解决方案、责任人和时间节点
5. 避免使用技术术语，用客户易懂的语言
6. 直接输出完整的客服回复，无需额外说明
7. 不讨论内部决策过程，仅呈现最终客户回复

输出要求：直接呈现专业、完整的客户服务回复文本。
"""

prompt_creative_writing_shortcut = "ctrl + alt + shift + f8"
# 切换提示风格为创意写作优化助手的快捷键
# 注意避免快捷键冲突
# 留空则 不绑定

prompt_creative_writing = """
你是一位创意写作助手。你的任务是将语音转录的零散想法转化为富有文学性的创意文本。

核心原则：
1. 文学性表达：使用生动、形象的文学语言
2. 创意拓展：在原始想法基础上进行合理的文学创作
3. 情感传达：准确传达原始内容中的情感和氛围

具体规则：
1. 将简单的描述转化为富有画面感的文学表达
   示例：
   输入："昨天在海边看到日落，天空是橙红色的，很美。"
   输出："昨日的海滨，落日将天际染成一幅橙红的油画，海浪轻抚沙滩，仿佛在低语着一天的结束。"
   
   输入："我想写一个关于孤独的人的故事。"
   输出："在城市的喧嚣中，他像一座孤岛。霓虹灯下的影子被拉得很长，长得可以触碰到另一个平行宇宙里的自己。"

2. 运用比喻、拟人、排比等修辞手法
3. 注重场景描写和氛围营造
4. 可根据原始内容合理扩展细节，但核心情感不变
5. 保持语言的美感和韵律
6. 直接输出创意文本，无需解释创作思路
7. 不回答文本中的问题，仅专注于文学创作

输出要求：直接呈现具有文学美感的创意文本。
"""

[client.additional_special_apps]
"vlc.exe" = { hotkey = "ctrl + alt + f9", name = "VLC Media Player" } # VLC 设置全局快捷键后需要重启 VLC 才能生效
# 如果还有除了 QQ音乐、网易云音乐、PotPlayer、foobar2000
# 以外，还有 其他特殊应用
# 也希望使用对应程序设置的全局快捷键 在录音时播放/暂停
# 首先，启用 pause_other_audio
# 然后，在对应程序 设置的全局 播放/暂停 的快捷键
# 注意避免快捷键冲突
# 
# 附加特殊应用列表 格式：
# "<进程名>" = { hotkey = "<对应程序设置的全局快捷键>", name = "<用于输出日志的对应程序名称>" }
# 
# 如果N个特殊应用在播放，支持全部暂停
# 如果N个非特殊应用在播放，不暂停
# 如果一个特殊应用和N个非特殊应用在播放，只暂停特殊应用


# ======================LibreTranslate 配置==================================
[libretranslate]
api = "http://192.168.3.248:5000/"
# api = "https://libretranslate.com/"
# 官方 https://libretranslate.com/ 需要API Key，https://portal.libretranslate.com/
# 建议自行部署 https://github.com/LibreTranslate/LibreTranslate
# Libre Translate 离/在线翻译地址
# 如果此地址不可用（ 返回非 200 状态码），则使用 DeepLX 作为在线翻译服务


# ======================DeepLX 配置==================================

[deeplx]
online_translate_port = "1188"
# DeepLX 在线翻译服务端口

exe_path = "deeplx_windows_amd64.exe"
# DeepLX 可执行文件路径

api = "http://127.0.0.1:1188/translate"
# DeepLX API 地址


# ======================模型路径配置==================================

[model_paths]
model_dir = "models"
# 模型文件目录

funasr_dir = "models/Fun-ASR-Nano-GGUF-2026-02-09"
# FunASR 路径

funasr_encoder_adaptor_path = "models/Fun-ASR-Nano-GGUF-2026-02-09/model/Fun-ASR-Nano-Encoder-Adaptor.int8.onnx"
# FunASR encoder_adaptor 模型路径

funasr_ctc_path = "models/Fun-ASR-Nano-GGUF-2026-02-09/model/Fun-ASR-Nano-CTC.int8.onnx"
# CTC 快速预识别

funasr_llm_path = "models/Fun-ASR-Nano-GGUF-2026-02-09/model/Fun-ASR-Nano-Decoder.q8_0.gguf"
# FunASR llm 模型路径

funasr_tokens_path = "models/Fun-ASR-Nano-GGUF-2026-02-09/model/tokens.txt"
# FunASR tokens 路径

funasr_hotwords_path = "models/Fun-ASR-Nano-GGUF-2026-02-09/hot.txt"
# FunASR 热词文件路径

sensevoice_path = "models/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17/model.int8.onnx"
# SenseVoice 模型路径

sensevoice_tokens_path = "models/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17/tokens.txt"
# SenseVoice tokens 路径

paraformer_path = "models/paraformer-offline-zh/model.int8.onnx"
# Paraformer 模型路径

paraformer_tokens_path = "models/paraformer-offline-zh/tokens.txt"
# Paraformer tokens 路径

punc_model_dir = "models/sherpa-onnx-punct-ct-transformer-zh-en-vocab272727-2024-04-12"
# 标点模型目录

opus_mt_dir = "models/Helsinki-NLP--opus-mt-zh-en"
# 离线翻译模型目录


# ======================FunASR 参数配置==================================
[funasr_args]
encoder_onnx_path = "${model_paths.funasr_encoder_adaptor_path}"
# encoder_adaptor 模型路径

ctc_onnx_path = "${model_paths.funasr_ctc_path}"
# # CTC 快速预识别 模型路径

decoder_gguf_path = "${model_paths.funasr_llm_path}"
# llm 模型路径

tokens_path = "${model_paths.funasr_tokens_path}"
# tokens 路径

hotwords_path = "${model_paths.funasr_hotwords_path}"
# 热词文件路径

enable_ctc = true
# 是否启用 CTC 快速预识别

n_predict = 512
# LLM 最大生成 token 数

n_threads = 0
# 线程数，0 表示自动

similar_threshold = 0.6
# 热词相似度阈值

max_hotwords = 20
# 每次替换的最大热词数

directml_enable = false
# 是否启用 DirectML 加速 GPU 推理
# 默认禁用，兼顾 AMD 显卡 用户
# 建议非 AMD 显卡 用户自行手动启用

vulkan_enable = true
# 是否启用 Vulkan 加速 GPU 推理

vulkan_force_fp32 = false
# 是否强制 FP32 计算（如果 GPU 是 Intel 集显且出现精度溢出，可设为 true）

verbose = false
# 是否输出详细日志

# ======================SenseVoice 参数配置==================================

[sensevoice_args]
model = "${model_paths.sensevoice_path}"
# SenseVoice 模型路径

tokens = "${model_paths.sensevoice_tokens_path}"
# SenseVoice tokens 路径

num_threads = 6
# 使用的线程数

sample_rate = 16000
# 采样率

feature_dim = 80
# 特征维度

decoding_method = "greedy_search"
# 解码方法

debug = false
# 是否启用调试模式

provider = "cpu"
# 推理设备（cpu, cuda, coreml）

language = "auto"
# 识别语言（auto, zh, en, ja, ko, yue）

use_itn = true
# 是否使用逆文本归一化

rule_fsts = ""
# 自定义规则 FST 文件路径

rule_fars = ""
# 自定义规则 FAR 文件路径


# ======================Paraformer 参数配置==================================

[paraformer_args]
paraformer = "${model_paths.paraformer_path}"
# Paraformer 模型路径

tokens = "${model_paths.paraformer_tokens_path}"
# Paraformer tokens 路径

num_threads = 6
# 使用的线程数

sample_rate = 16000
# 采样率

feature_dim = 80
# 特征维度

decoding_method = "greedy_search"
# 解码方法

debug = false
# 是否启用调试模式

🔧 功能：热词

如果你有专用名词需要替换，可以加入热词文件。规则文件中以 # 开头的行以及空行会被忽略，可以用作注释。

• 中文热词请写到 hot-zh.txt 文件，每行一个，替换依据为拼音，实测每 1 万条热词约引入 3ms 延迟
• 英文热词请写到 hot-en.txt 文件，每行一个，替换依据为字母拼写
• 自定义规则热词请写到 hot-rule.txt 文件，每行一个，将搜索和替换词以等号隔开，如 毫安时 = mAh

你可以在 core_client.py 文件中配置是否匹配中文多音字，是否严格匹配拼音声调。

检测到修改后，客户端会动态载入热词，效果示例：

1. 例如 hot-zh.txt 有热词「我家鸽鸽」，则所有识别结果中的「我家哥哥」都会被替换成「我家鸽鸽」
2. 例如 hot-en.txt 有热词「ChatGPT」，则所有识别结果中的「chat gpt」都会被替换成「ChatGPT」
3. 例如 hot-rule.txt 有热词「毫安时 = mAh」，则所有识别结果中的「毫安时」都会被替换成「mAh」

🔧 功能：日记、关键词

默认每次语音识别结束后，会以年、月为分类，保存录音文件和识别结果：

• 录音文件存放在「年/月/assets」文件夹下
• 识别结果存放在「年/月/日.md」Markdown 文件中

例如今天是 2023 年 6 月 5 号，示例：

1. 语音输入任一句话后，录音就会被保存到 2023/06/assets 路径下，以时间和识别结果命名，并将识别结果保存到 2023/06/05.md 文件中，方便我日后查阅
2. 例如我在 keywords.txt 中定义了关键词「健康」，用于随时记录自己的身体状况，吃完饭后我可以按住 CapsLock 说「健康今天中午吃了大米炒饭」，由于识别结果以「健康」关键词开头，这条识别记录就会被保存到 2023/06/05-健康.md 中
3. 例如我在 keywords.txt 中定义了关键词「重要」，用于随时记录突然的灵感，有想法时我就可以按住 CapsLock 说「重要，xx 问题可以用 xxxx 方法解决」，由于识别结果以「重要」关键词开头，这条识别记录就会被保存到 2023/06/05-重要.md 中

🔧 功能：转录文件

在服务端运行后，将音视频文件拖动到客户端打开，即可转录生成四个同名文件：

• json 文件，包含了字级时间戳
• txt 文件，包含了分行结果
• merge.txt 文件，包含了带标点的整段结果
• srt 文件，字幕文件

如果生成的字幕有微小错误，可以在分行的 txt 文件中修改，然后将 txt 文件拖动到客户端打开，客户端检测到输入的是 txt 文件，就会查到同名的 json 文件，结合 json 文件中的字级时间戳和 txt 文件中修正结果，更新 srt 字幕文件。

---

⬇️ 模型下载链接

语音识别

FunASR

• Fun-ASR-Nano-2512-GGUF

Sensevoice

• sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17

Paraformer

• yiyu-earth/sherpa-onnx-paraformer-zh-2024-04-25

标点符号模型：

• sherpa-onnx-punct-ct-transformer-zh-en-vocab272727-2024-04-12

离线翻译

中译英模型 Helsinki-NLP/opus-mt-zh-en

• opus-2020-07-17.zip

🤩 都看到这儿了，给个星星好不好？ ⭐

Star History

DeepWiki

Tip

对话 此项目 DeepWiki

了解更多

🪙 打赏

🪙 打赏原版 CapsWriter-Offline

如果你愿意，可以打赏的方式支持原版CapsWriter-Offline作者一下：

🪙 打赏图形界面版 CapsWriter-Offline

感谢你的好意 💖，不过，暂时不必。点个Star⭐，提点🪳Issues，让我知道有人在用，这比金钱更能使我高兴。

---

Pywin32 打包进 Embedded Python 的方法

本机 Python 执行（与runtime目录嵌入式Python版本保持一致）

pip install  --target .\site-packages pywin32

编辑 .\runtime\python3**._pth 增加

../site-packages/win32
../site-packages/win32/lib
../site-packages/win32ctypes/pywin32
../site-packages/win32ctypes

复制 .\site-packages\pywin32_system32\ 中的 *.dll 到 .\runtime\

siui

PySide6-SiliconUI

PyQt-SiliconUI

FFmpeg & FFplay

参考

Windows 平台下使用 MSYS 2 编译 FFmpeg

准备

下载

https://www.msys2.org/

https://ffmpeg.org/download.html -> C:\Users\user0\Documents\FFmpeg
https://github.com/libsdl-org/SDL/releases -> C:\Users\user0\Documents\FFmpeg\SDL2
https://sourceforge.net/projects/lame/files/lame/ -> C:\Users\user0\Documents\FFmpeg\lame\

装包

pacman -S mingw-w64-ucrt-x86_64-gcc

pacman -S make pkg-config mingw-w64-ucrt-x86_64-nasm mingw-w64-ucrt-x86_64-diffutils

lame

编译 & 安装

cd "/c/Users/user0/Documents/FFmpeg"

cd ./lame

./configure --help

make distclean

CFLAGS="-O3 -ffast-math -flto -march=x86-64 -mtune=generic" \
LDFLAGS="-flto" \
./configure \
--prefix=/c/Users/user0/Documents/FFmpeg/lame/build \
--disable-shared \
--disable-frontend \
--disable-decoder \
--disable-gtktest \
--disable-analyzer-hooks \
--enable-static \
--enable-silent-rules \
--disable-dependency-tracking \
--disable-rpath \
--disable-debug \
--with-fileio=lame \
--host=x86_64-w64-mingw32

make clean

make -j8 2>&1 | tee build.log

make install

测试

x86_64-w64-mingw32-gcc test_lame.c \
    -I/c/Users/user0/Documents/FFmpeg/lame/build/include \
    -L/c/Users/user0/Documents/FFmpeg/lame/build/lib \
    -lmp3lame -o test_lame.exe

./test_lame.exe

du -h /c/Users/user0/Documents/FFmpeg/lame/build/lib/*.a

make clean

FFmpeg & FFplay

编译 & 安装

cd ..

./configure --help

make distclean

./gccconf

export ARCH=x86_64

./configure \
--prefix=./ffmpeg-build \
--disable-doc \
--disable-shared \
--disable-everything \
--disable-ffprobe \
--disable-avdevice \
--disable-network \
--disable-autodetect \
--enable-static \
--enable-small \
--enable-ffmpeg \
--enable-ffplay \
--enable-sdl2 \
--enable-demuxer="concat,ffmetadata,mov,mp4,flv,m4a,mp3,wav,matroska,ogg,rawdata,rawvideo,f32le,pcm_f32le,pcm_s16le,s16le" \
--enable-muxer="mp4,flv,mp3,m4a,wav,matroska,ogg,f32le,pcm_f32le,pcm_s16le,s16le" \
--enable-decoder="h264,hevc,av1,aac,flac,eac3,ac3,mp3,f32le,pcm_f32le,pcm_s16le,s16le,vorbis,opus" \
--enable-encoder="libmp3lame,f32le,pcm_f32le,pcm_s16le,s16le" \
--enable-parser="h264,hevc,aac,flac,ac3,mp3,pcm" \
--enable-protocol="file,concat,pipe,fd,cache,data" \
--enable-filter="aresample,asetnsamples,atempo,afade,volume,silenceremove" \
--enable-libmp3lame \
--enable-gpl \
--extra-cflags="-I/c/Users/user0/Documents/FFmpeg/lame/build/include -I/c/Users/user0/Documents/FFmpeg/SDL2/x86_64-w64-mingw32/include -I/c/Users/user0/Documents/FFmpeg/SDL2/x86_64-w64-mingw32/include/SDL2 -Dmain=SDL_main" \
--extra-ldflags="-static -static-libgcc -static-libstdc++ -L/c/Users/user0/Documents/FFmpeg/lame/build/lib -L/c/Users/user0/Documents/FFmpeg/SDL2/x86_64-w64-mingw32/lib" \
--extra-libs="-lmingw32 -lSDL2main -lSDL2 -mwindows -Wl,--dynamicbase -Wl,--nxcompat -Wl,--high-entropy-va -lm -ldinput8 -ldxguid -ldxerr8 -luser32 -lgdi32 -lwinmm -limm32 -lole32 -loleaut32 -lshell32 -lsetupapi -lversion -luuid"

make install

测试

python -c "
import struct
sample_rate = 48000
channels = 1
duration = 1.0
num_samples = int(sample_rate * duration * channels)
import math
data = b''.join(struct.pack('f', 0.5 * math.sin(2 * math.pi * 440 * i / sample_rate)) for i in range(num_samples))
import sys
sys.stdout.buffer.write(data)
" | ./ffmpeg-build/bin/ffmpeg -y -f f32le -ar 48000 -ac 1 -i - -c:a libmp3lame -b:a 192k test.mp3