TMSpeech离线语音转文字工具全攻略会议记录与实时字幕一次搞定【免费下载链接】TMSpeech腾讯会议摸鱼工具项目地址: https://gitcode.com/gh_mirrors/tm/TMSpeech开会时错过重点、上网课来不及记笔记、看视频想留住关键台词……如果你正被这类问题困扰TMSpeech 值得花几分钟了解一下。这是一款免费开源的 Windows 离线语音转文字工具能把电脑里播放的任何声音实时变成屏幕字幕全程本地运行、不联网上传配置一次之后即可日常开用。话不多说这篇文章从一个真实的使用场景讲起带你完成从下载、配置到实战的全部流程。从一个突然被点名的瞬间说起想象一下这个场景线上会议开了一个多小时你一边听一边神游突然主持人喊到你这部分你怎么看 全场安静你连刚才讲到哪里都没跟上。TMSpeech 这个项目名字就来源于开会摸鱼这件小事。它的思路很直白与其指望自己不走神不如让电脑替你把每一句都记下来。它通过 Windows 的 WASAPI 内录接口直接捕获系统播放的声音实时转成文字以歌词字幕的形式挂在屏幕上。就算你刚才走神了低头扫一眼历史记录就能轻松接上话题。它主要能帮你做三件事实时字幕电脑里的任何声音会议、网课、视频同步变成屏幕上的文字自动归档识别结果按日期保存成日志会后直接整理成会议纪要全程离线所有处理都在本机完成敏感内容不出你的电脑核心识别能力基于 sherpa-onnx 开源框架作者实测在 AMD 5800u 笔记本上 CPU 占用不到 5%普通配置也能跑得很轻松。首次安装与主界面下载、解压、双击即可TMSpeech 的使用门槛低到几乎不需要安装过程在项目 Release 页面下载最新版本的压缩包解压到任意目录双击运行TMSpeech.exe首次启动会自动创建配置文件和日志目录建议在桌面创建快捷方式方便以后随时调用如果配置被改乱了项目还附带了一个重置配置的 bat 脚本运行后删除现有配置即可恢复出厂状态这点对新手非常友好。主界面做得非常克制一眼就能看懂红色圆点开始/停止录音识别中间时间显示当前识别时长时钟图标打开历史记录窗口锁形图标锁定/解锁字幕锁定时窗口可穿透不挡其他操作齿轮图标进入详细设置字幕窗口本身是无边框设计可以任意拖动、拉伸调整大小像贴纸一样放在屏幕任何角落。三步完成本地语音识别配置音频源、识别器、语言模型用 TMSpeech 之前只需要在设置界面里完成三件事。设置面板分为通用、显示、通知、音频源、语音识别、资源、关于几个板块逻辑很清晰。第一步选好音频源决定听什么系统音频捕获电脑播放的所有声音开会、看视频选这个就对了麦克风直接录制你的语音适合个人口述、语音笔记进程音频只录制指定应用程序的声音过滤掉其他干扰这里有个小知识点系统音频走的是 WASAPI 内录通道直接读取系统的音频流所以即使电脑完全静音、甚至不接音响只要声音在播放就能被捕获到。第二步选好识别器决定怎么识别设置里提供了三种识别器按需选择即可识别器特点适合人群Sherpa-Onnx 离线识别器基于 CPU 优化内存占用低大多数普通电脑用户Sherpa-Ncnn 离线识别器可调用 GPUVulkan加速识别更快有独立显卡、追求速度的用户命令行识别器通过自定义命令行程序接入第三方引擎高级玩家、想用自有模型的开发者第三步下载语言模型决定听懂什么话识别器需要语言模型支撑TMSpeech 在资源页面内置了模型管理功能中文模型中文 Zipformer-transducer 流式模型日常中文场景首选英文模型英文流式模型适合看英文视频、听英文课程中英双语模型中英混合场景更省心识别更灵活点一下安装等进度条走完就完成了。装好后识别器会自动识别到本地模型无需手动配置路径。如果你有更好的模型也可以自己在识别器设置里指定模型路径。会议记录实战实时字幕 历史记录自动归档配置完成后日常使用基本就是点一下开始这么简单回到主界面点击红色圆点开始识别打开会议软件、播放视频或者直接开口说话字幕实时刷新在屏幕上识别完一句就存入历史历史记录是最容易被低估的功能。默认情况下每个完整句子识别结束后会立即保存到我的文档下的TMSpeechLogs文件夹按日期归档。点主界面的时钟图标就能打开识别记录窗口回看每一句话、对应的时间点需要引用内容时右键或直接 Ctrl-C 复制即可。会后整理纪要时直接把记录窗口里的文字导出、简单分段一份像样的会议纪要就出来了。识别结果支持临时修正机制——模型先给一版实时结果句子结束后再纠正所以历史记录里的最终文本往往比实时字幕更准确。让字幕更好用的四个小技巧调整字幕样式在显示设置里可以改字体、颜色、阴影和对齐方式。想让字幕更醒目就加大字号、加深阴影怕挡住视频内容就调低透明度把它变成背景板。锁定字幕窗口点击锁形图标字幕窗口会进入穿透模式——字幕照常显示但鼠标点击会直接落到它后面的窗口上。看视频时把字幕锁在画面上方既不挡操作也不占额外空间体验非常顺滑。设置敏感词通知在通知板块配置你关心的关键词当识别内容出现这些词时TMSpeech 会弹出系统通知。比如蹲某个产品的发布会、等某条消息可以一边做别的事一边等着被提醒。用托盘菜单快速复位如果字幕窗口被拖出屏幕外找不到了托盘菜单里提供了重置窗口位置一键归位不用重启程序。常见问题排查识别不出、准确率低、占用高怎么办为什么识别器捕捉不到任何声音先确认音频源选的是系统音频再确认系统里确实有正在播放的声音。如果声音太小或系统静音可以先在播放器里把音量调上来。个别设备的内录通道比较特殊可以在音频源里切换到麦克风做对比测试判断问题出在采集还是识别。识别准确率不理想先换更大的模型试试——中英双语模型通常比单一中文模型覆盖面更广同时保证输入音量清晰、环境噪声小。如果你的电脑有独显切换到 Sherpa-Ncnn 识别器配合 GPU 加速识别速度和稳定性都会有提升。实在不满意还可以接入效果更好的开源模型在识别器配置中修改模型路径即可。CPU 占用偏高、电脑明显卡顿优先使用 Sherpa-Onnx 识别器专门为 CPU 优化并搭配轻量模型。作者在常见笔记本上实测占用不到 5%如果你的占用明显偏高通常是模型选大了或者电脑同时跑着多个重负载程序。历史记录没保存确认我的文档下有TMSpeechLogs文件夹且磁盘空间充足。识别是流式的只有完整结束的句子才会写入历史说话说到一半就关掉程序最后半句可能不会落盘这是正常现象。进阶玩法用命令行识别器接入你自己的语音引擎TMSpeech 的插件化设计比想象中更开放。命令行识别器允许你指定一个程序和参数TMSpeech 会启动该子进程把它的标准输出stdout当作字幕内容把标准错误输出stderr写入日志文件。接口协议很直观输出单个换行结尾的内容 更新当前句子的临时结果允许模型自我纠正输出多个换行结尾的内容 当前句子识别完成正式写入历史记录仓库的external_recognizer/目录下提供了参考的 Python 实现如streaming-with-endpoint-detection.py、simulate-streaming-sense-voice.py照着写就能把任意支持流式识别的引擎接进来。比如想用 SenseVoice 这类模型做识别可以自己写个几十行的小脚本作为桥接。需要注意命令行识别器需要自己负责采集音频所以在设置里切换语音源对它不生效。参与开源会写代码、会提建议都能出一份力TMSpeech 是一个完整的开源项目代码基于 C#/.NET 6界面用 Avalonia 构建采用三层插件化架构src/TMSpeech.Core/为核心层src/TMSpeech.GUI/为界面层src/Plugins/存放各种插件。你可以从这几个方向参与提反馈遇到识别不准、功能缺失直接创建 Issue 或 Discussion附上版本号、系统环境、复现步骤作者会认真回复提代码会 C#/.NET 开发的话可以提交 Pull Request。插件接口定义在src/TMSpeech.Core/Plugins/目录下想了解内部交互可以翻一翻docs/Process.md里面有完整的流程说明共享模型如果你训练了效果更好的模型或者发现了优秀的开源模型欢迎推荐给项目方帮助社区把识别质量做得更好做本地化项目路线图里还有翻译器插件、Linux 支持、自动更新等功能在规划中每个方向都欢迎协作者现在就去试一试从下载到跑出第一行字幕整个过程不会超过五分钟。无论你是想给会议留个底、给网课加个字幕还是单纯想在听长视频时解放双手TMSpeech 都能以一个极低的门槛满足你——免费、开源、离线数据只属于你自己。下载体验一下如果它帮你省下了一次手忙脚乱那这篇文章就没白写。也欢迎把使用中的问题反馈给作者每一次反馈都在让这个工具变得更好。【免费下载链接】TMSpeech腾讯会议摸鱼工具项目地址: https://gitcode.com/gh_mirrors/tm/TMSpeech创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 TMSpeech离线语音转文字工具全攻略：会议记录与实时字幕一次搞定
TMSpeech离线语音转文字工具全攻略会议记录与实时字幕一次搞定【免费下载链接】TMSpeech腾讯会议摸鱼工具项目地址: https://gitcode.com/gh_mirrors/tm/TMSpeech开会时错过重点、上网课来不及记笔记、看视频想留住关键台词……如果你正被这类问题困扰TMSpeech 值得花几分钟了解一下。这是一款免费开源的 Windows 离线语音转文字工具能把电脑里播放的任何声音实时变成屏幕字幕全程本地运行、不联网上传配置一次之后即可日常开用。话不多说这篇文章从一个真实的使用场景讲起带你完成从下载、配置到实战的全部流程。从一个突然被点名的瞬间说起想象一下这个场景线上会议开了一个多小时你一边听一边神游突然主持人喊到你这部分你怎么看 全场安静你连刚才讲到哪里都没跟上。TMSpeech 这个项目名字就来源于开会摸鱼这件小事。它的思路很直白与其指望自己不走神不如让电脑替你把每一句都记下来。它通过 Windows 的 WASAPI 内录接口直接捕获系统播放的声音实时转成文字以歌词字幕的形式挂在屏幕上。就算你刚才走神了低头扫一眼历史记录就能轻松接上话题。它主要能帮你做三件事实时字幕电脑里的任何声音会议、网课、视频同步变成屏幕上的文字自动归档识别结果按日期保存成日志会后直接整理成会议纪要全程离线所有处理都在本机完成敏感内容不出你的电脑核心识别能力基于 sherpa-onnx 开源框架作者实测在 AMD 5800u 笔记本上 CPU 占用不到 5%普通配置也能跑得很轻松。首次安装与主界面下载、解压、双击即可TMSpeech 的使用门槛低到几乎不需要安装过程在项目 Release 页面下载最新版本的压缩包解压到任意目录双击运行TMSpeech.exe首次启动会自动创建配置文件和日志目录建议在桌面创建快捷方式方便以后随时调用如果配置被改乱了项目还附带了一个重置配置的 bat 脚本运行后删除现有配置即可恢复出厂状态这点对新手非常友好。主界面做得非常克制一眼就能看懂红色圆点开始/停止录音识别中间时间显示当前识别时长时钟图标打开历史记录窗口锁形图标锁定/解锁字幕锁定时窗口可穿透不挡其他操作齿轮图标进入详细设置字幕窗口本身是无边框设计可以任意拖动、拉伸调整大小像贴纸一样放在屏幕任何角落。三步完成本地语音识别配置音频源、识别器、语言模型用 TMSpeech 之前只需要在设置界面里完成三件事。设置面板分为通用、显示、通知、音频源、语音识别、资源、关于几个板块逻辑很清晰。第一步选好音频源决定听什么系统音频捕获电脑播放的所有声音开会、看视频选这个就对了麦克风直接录制你的语音适合个人口述、语音笔记进程音频只录制指定应用程序的声音过滤掉其他干扰这里有个小知识点系统音频走的是 WASAPI 内录通道直接读取系统的音频流所以即使电脑完全静音、甚至不接音响只要声音在播放就能被捕获到。第二步选好识别器决定怎么识别设置里提供了三种识别器按需选择即可识别器特点适合人群Sherpa-Onnx 离线识别器基于 CPU 优化内存占用低大多数普通电脑用户Sherpa-Ncnn 离线识别器可调用 GPUVulkan加速识别更快有独立显卡、追求速度的用户命令行识别器通过自定义命令行程序接入第三方引擎高级玩家、想用自有模型的开发者第三步下载语言模型决定听懂什么话识别器需要语言模型支撑TMSpeech 在资源页面内置了模型管理功能中文模型中文 Zipformer-transducer 流式模型日常中文场景首选英文模型英文流式模型适合看英文视频、听英文课程中英双语模型中英混合场景更省心识别更灵活点一下安装等进度条走完就完成了。装好后识别器会自动识别到本地模型无需手动配置路径。如果你有更好的模型也可以自己在识别器设置里指定模型路径。会议记录实战实时字幕 历史记录自动归档配置完成后日常使用基本就是点一下开始这么简单回到主界面点击红色圆点开始识别打开会议软件、播放视频或者直接开口说话字幕实时刷新在屏幕上识别完一句就存入历史历史记录是最容易被低估的功能。默认情况下每个完整句子识别结束后会立即保存到我的文档下的TMSpeechLogs文件夹按日期归档。点主界面的时钟图标就能打开识别记录窗口回看每一句话、对应的时间点需要引用内容时右键或直接 Ctrl-C 复制即可。会后整理纪要时直接把记录窗口里的文字导出、简单分段一份像样的会议纪要就出来了。识别结果支持临时修正机制——模型先给一版实时结果句子结束后再纠正所以历史记录里的最终文本往往比实时字幕更准确。让字幕更好用的四个小技巧调整字幕样式在显示设置里可以改字体、颜色、阴影和对齐方式。想让字幕更醒目就加大字号、加深阴影怕挡住视频内容就调低透明度把它变成背景板。锁定字幕窗口点击锁形图标字幕窗口会进入穿透模式——字幕照常显示但鼠标点击会直接落到它后面的窗口上。看视频时把字幕锁在画面上方既不挡操作也不占额外空间体验非常顺滑。设置敏感词通知在通知板块配置你关心的关键词当识别内容出现这些词时TMSpeech 会弹出系统通知。比如蹲某个产品的发布会、等某条消息可以一边做别的事一边等着被提醒。用托盘菜单快速复位如果字幕窗口被拖出屏幕外找不到了托盘菜单里提供了重置窗口位置一键归位不用重启程序。常见问题排查识别不出、准确率低、占用高怎么办为什么识别器捕捉不到任何声音先确认音频源选的是系统音频再确认系统里确实有正在播放的声音。如果声音太小或系统静音可以先在播放器里把音量调上来。个别设备的内录通道比较特殊可以在音频源里切换到麦克风做对比测试判断问题出在采集还是识别。识别准确率不理想先换更大的模型试试——中英双语模型通常比单一中文模型覆盖面更广同时保证输入音量清晰、环境噪声小。如果你的电脑有独显切换到 Sherpa-Ncnn 识别器配合 GPU 加速识别速度和稳定性都会有提升。实在不满意还可以接入效果更好的开源模型在识别器配置中修改模型路径即可。CPU 占用偏高、电脑明显卡顿优先使用 Sherpa-Onnx 识别器专门为 CPU 优化并搭配轻量模型。作者在常见笔记本上实测占用不到 5%如果你的占用明显偏高通常是模型选大了或者电脑同时跑着多个重负载程序。历史记录没保存确认我的文档下有TMSpeechLogs文件夹且磁盘空间充足。识别是流式的只有完整结束的句子才会写入历史说话说到一半就关掉程序最后半句可能不会落盘这是正常现象。进阶玩法用命令行识别器接入你自己的语音引擎TMSpeech 的插件化设计比想象中更开放。命令行识别器允许你指定一个程序和参数TMSpeech 会启动该子进程把它的标准输出stdout当作字幕内容把标准错误输出stderr写入日志文件。接口协议很直观输出单个换行结尾的内容 更新当前句子的临时结果允许模型自我纠正输出多个换行结尾的内容 当前句子识别完成正式写入历史记录仓库的external_recognizer/目录下提供了参考的 Python 实现如streaming-with-endpoint-detection.py、simulate-streaming-sense-voice.py照着写就能把任意支持流式识别的引擎接进来。比如想用 SenseVoice 这类模型做识别可以自己写个几十行的小脚本作为桥接。需要注意命令行识别器需要自己负责采集音频所以在设置里切换语音源对它不生效。参与开源会写代码、会提建议都能出一份力TMSpeech 是一个完整的开源项目代码基于 C#/.NET 6界面用 Avalonia 构建采用三层插件化架构src/TMSpeech.Core/为核心层src/TMSpeech.GUI/为界面层src/Plugins/存放各种插件。你可以从这几个方向参与提反馈遇到识别不准、功能缺失直接创建 Issue 或 Discussion附上版本号、系统环境、复现步骤作者会认真回复提代码会 C#/.NET 开发的话可以提交 Pull Request。插件接口定义在src/TMSpeech.Core/Plugins/目录下想了解内部交互可以翻一翻docs/Process.md里面有完整的流程说明共享模型如果你训练了效果更好的模型或者发现了优秀的开源模型欢迎推荐给项目方帮助社区把识别质量做得更好做本地化项目路线图里还有翻译器插件、Linux 支持、自动更新等功能在规划中每个方向都欢迎协作者现在就去试一试从下载到跑出第一行字幕整个过程不会超过五分钟。无论你是想给会议留个底、给网课加个字幕还是单纯想在听长视频时解放双手TMSpeech 都能以一个极低的门槛满足你——免费、开源、离线数据只属于你自己。下载体验一下如果它帮你省下了一次手忙脚乱那这篇文章就没白写。也欢迎把使用中的问题反馈给作者每一次反馈都在让这个工具变得更好。【免费下载链接】TMSpeech腾讯会议摸鱼工具项目地址: https://gitcode.com/gh_mirrors/tm/TMSpeech创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考