可以在 Win11 下使用,有这种开源,本地部署安装的语音转文字实现吗?(不是输入法场景调用方式)

63 天前
 SzgSw5zGyN1iy

场景:Win11
内容本地部署,不跟网络有通信传输关于内容的东西
可选择声音来源( 3.5mm 麦克风,USB 麦克风,蓝牙麦克风这些设备)
后台常驻
只要有声音来源(普通话)就转换成文字,上屏,而不管当前焦点是什么程序,什么窗口

使用者就可以用 3.5mm 带 PTT 功能的麦克风,辅助打中文字,按下 PTT 键,说话,就把文字粘上去了

有这样的本地部署程序吗?

看过迅飞有这样类似功能的键盘、鼠标硬件产品,但是 OP 不想因为这个联他们家的服务器,和大多数人用 RIME 小狼毫一样的原因,所以就不考虑联网功能的其它品牌现成产品了。。。


如果没有合适的,OP 真要这么实现,那么各位可以指教 OP ,有什么现成的套件带 SDK ,提供开发接口,可以很接近地去实现呢?

1201 次点击
所在节点    程序员
10 条回复
codehz
63 天前
win10/11 不是自带一个语音转文字吗,那玩意是可以断网运行的啊,初次使用需要下载模型,下载完了就是纯本地的
SzgSw5zGyN1iy
63 天前
@codehz #1 这个以前有用过,WSR 在以后版本的 WIN11 还会变化( 22H3 已经提到后继版本会移除这个功能),这些先不管,场景是要按物理按键,不用鼠标对准悬浮工具条点击开始,点击结束
想要有一个后台长久拾音转换实现
SzgSw5zGyN1iy
63 天前
上面打错字了,是 23H2 版本
katwalk
63 天前
有现成的,但是是按住键盘按键
hj18
63 天前
whisper 可以吗?我用过,本地部署。
SzgSw5zGyN1iy
63 天前
@katwalk 请问,可还记得大概名字?
@hj18 ,先 mark ,安排上试试看,谢谢!
debuggerx
63 天前
阿里的 FunASR 可以本地部署,cpu 版本实测效果还不错,就是相比成熟的 ASR 云服务可定制性差一点。
https://github.com/modelscope/FunASR/blob/main/README_zh.md
Do1phln
62 天前
PaddleSpeech 之前本地部署过一次,效果还可以,就是对算力可能有一定要求
Hozoy
62 天前
我倒是想更进一步,可以做到实时语音转文字并且根据上下文拟人双语翻译的
hellomacos
62 天前
推荐 kaldi ,这个实时的,还能根据语音识别为谁在说话。
这个符合你的需求:
https://github.com/kaldi-asr/kaldi

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://tanronggui.xyz/t/1091351

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX