CapsWriter 的离线版保姆级本地部署教程

CapsWriter离线版是一个很好用的 PC 端语音转文字工具，完全可以实现公司内部保密会议，通话转写需求。实测普通话实时转写非常精准。音视频效果也很好，即使是视频中含有嘈杂的背景音乐也能精准识别（参照测试视频）。

软件主要有两个功能：

  1. 按下键盘上的 大写锁定键，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. 将音视频文件拖动到客户端打开，即可转录生成 srt 字幕

使用前提：

  1. 电脑拥有大于等于4G的内存(小了想都别想)
  2. 电脑安装了解压缩软件，VScode，Markdown阅读器
  3. 电脑接入了电源（笔记本不插电会卡……）
  4. 可能需要霍格沃兹环境。
  5. 使用开源软件请遵守开源协议。

附件表

点击即可直接下载，GitHub请使用GitHub国内加速

文件名网站类型霍格沃兹文件大小适用客户端
Bandzip官网不需要10.86MBWindows
VScode官网不需要98.61MBWindows
Markdown阅读器(中文汉化版)Github需要124.23MBWindows
CapsWriter-Offline-Windows-32bit-ClientGithub需要43.5MBWindows
CapsWriter-Offline-Windows-64bitGithub需要73.4MBWindows
modelsGithub需要1.1GBWindows
Microsoft Visual C++ Redistributable 运行库官网不需要24.4MBWindows

1. 下载软件

  1. 打开作者的Github发布页，或者从附件表下载
  2. 找到如下图三个文件
    2024-12-02T12:04:41.png

  3. 选择你电脑合适的软件包，我们分两种情况来说（长话短说，Windows7下载第一个，Windows10选第二个，第三个都要下载）

    • Windows7或者32位系统，不能使用服务端，需要配合局域网内的服务端使用（后面讲）。
    • Windows10或64位以上系统可以同时运行服务端和客户端，可以给局域网内的设备接入服务端。

2. 解压文件

1. 解压软件本体

  1. 这是我下载下来的两个文件

2024-12-02T12:20:44.png

  1. 鼠标放在文件名称CapsWriter-Offline-Windows-64bit.zip上(Windows7同理)，右键选择你要解压到哪里

2024-12-02T12:25:41.png

  1. 这里我以解压到桌面为例

2024-12-02T12:27:21.png

  1. 等待解压完成

2024-12-02T12:28:02.png

  1. 在桌面找到刚才解压的文件夹

2024-12-02T12:32:29.png

  1. 打开以后会看到这样的文件夹（取决于你的解压软件），如果只有有个文件夹，请打开它

2024-12-02T12:33:53.png

  1. 进去以后看到这样的文件就可以了

2024-12-02T12:34:46.png

注意：windows7或者32位软件包只有客户端，文件会少一点，你不要担心。

2. 解压语音转文字大模型

只有Windows10用户需要考虑

  1. 找到刚才下载的两个压缩包，在文件名称models.zip上右键，选择解压到其他文件夹（其他压缩软件意思相近即可）
    2024-12-02T12:45:04.png
  2. 选择桌面文件夹下的CapsWriter-Offline-Windows-64bit，然后选中CapsWriter-Offline-Windows-64bit文件夹，单击确定
    2024-12-02T13:02:51.png

注意：一定要选中上图蓝色框里面的文件夹再确定

3. 配置模型

  1. 在桌面的文件夹CapsWriter-Offline-Windows-64bit里面找到models文件夹，打开以后你（可能）会看到这样的文件
    2024-12-02T13:06:48.png
  2. 把models文件夹删了，然后把models（2）改为models
    2024-12-02T13:09:13.png
  3. 打开models文件夹检查模型是否完整，如下图就可以了
    2024-12-02T13:10:35.png

4. 安装运行依赖（已经安装直接看第5步）

  1. 打开https://learn.microsoft.com/zh-cn/cpp/windows/latest-supported-vc-redist?view=msvc-170
  2. 下拉页面找到运行依赖软件包，单击选择合适你电脑的包（会自动下载）
    2024-12-02T13:16:41.png
  3. 下载完毕，找到它，双击打开，同意协议，单击安装

2024-12-02T13:19:39.png

5. 运行程序

1. Windows10或64位（以上）系统

  1. 在桌面找到文件夹CapsWriter-Offline-Windows-64bit并打开，如图
    2024-12-02T13:22:14.png
  2. 分别打开双击客户端start_client.exe和服务端start_server.exe
    2024-12-02T13:24:10.png

  3. 我们会得到两个黑窗口

    • 客户端（字多那个）会提示使用默认音频设备：阵列麦克风 (AMD Audio Device)，声道数：2

    2024-12-02T13:25:02.png

    • 服务端（字少那个）会提示模型加载中

    2024-12-02T13:27:24.png

  4. 等待程序就绪就可以开始玩耍啦！
    两个窗口都不要关！！！客户端提示连接成功就可以了。

2024-12-02T13:29:01.png

  1. 转写测试

    • 输入语音实时转文字请按下大写锁定键开始录音并实时转写，松开停止

    2024-12-02T13:31:59.png

  2. 识别结果记录在软件根目录 年份/月份/日期.md ，录音文件保存在 年份/月份/assets

    • 音频和视频转文字直接把文件拖动到客户端（start_client.exe）上

    2024-12-02T13:34:53.png
    2024-12-02T13:35:32.png

2. Windows7或32位系统

  1. 找到config.py,右键选择打开方式，找到记事本
    2024-12-02T14:20:23.png
  2. 修改客户端配置后面addr后面的127.0.0.1为局域网内的服务端IP地址，保存，然后重启客户端就可以了
    2024-12-02T14:24:15.png

QA：

  1. 什么是局域网？

    • 主要是指在某一区域的计算机互联网络。“某一区域”指的是同一办公室、同一建筑物、同一公司和同一学校等，一般是方圆几千米以内。

  1. 为什么我配置了局域网IP也没有用？

    • 检查你局域网内的防火墙是否是开启状态，请关闭你的防火墙或打开6016端口再试
    • 你的网络管理员可能没有开放路由器的防火墙，可以联系你的管理员打开防火墙或者将电脑连接至通一WLAN

  2. 为什么下载不了？

    • Github是Microsoft（微软）旗下的开放源代码共享平台，也是全球最大的开放源代码共享平台，服务器在国外。有条件的话，请使用霍格沃兹环境下载。

  3. 什么是霍格沃兹？

    • 明知故问，叉出去！！！

  4. Linux怎么用？

    • 下载（克隆）源码，把模型文件放在models文件夹，回到根目录使用管理员（或者sudo）运行run.sh

    2024-12-03T05:48:52.png

  5. MAC OS怎么用？

    • 和第5个问题一样，实在不行……你给我买，我舅教你😅

  6. 为什么转换效果很差？

    • 只能说明你的设备性能不适合运行这个软件，这个软件是依赖本地大模型运行的，很吃配置，考虑换台电脑吧。
    • 为了证实这一点，我开了一台4G4核4线程的Windows10 64位虚拟机，CPU是R7-5800，显卡是RTX3060 LapTop，12分钟的4K视频一共用时398秒，期间完全卡死，系统设置都打不开。我本机是16G8核16线程的Windows10 64位主机，CPU是R7-5800，显卡是RTX3060 LapTop，12分钟的4K视频一共耗时21秒，CPU主频跑到3.9Ghz，CPU占用约增加60%，内存占用约增加30%。所以，对CPU和内存要求可能比较高，轻薄本或者内存比较小的能跑，也只是能跑。时间相差18倍，这不是开玩笑的。

结束

至此教程结束，致敬每一位开源作者。如果对你有用，请给原作者点个Star支持开源精神。

对本文有什么疑问或者意见（或者有啥想对我说的），欢迎在评论区评论补充Ciallo～(∠・ω< )⌒★