mirror of
https://github.com/HaujetZhao/CapsWriter.git
synced 2025-07-14 05:22:09 +08:00
72 lines
4.1 KiB
Markdown
72 lines
4.1 KiB
Markdown
# Caps Writer
|
||
|
||
### 简介
|
||
|
||
一款语音输入工具，后台运行脚本后，按下大写锁定键超过 0.3 秒后，开始语音识别，松开按键之后，自动输入识别结果。
|
||
|
||
### 开发动机
|
||
|
||
|
||
我就气抖冷，为什么直到现在，仍然没有开发者做过一个好用的语音输入工具？
|
||
|
||
|
||
有人建议用搜狗输入法、讯飞输入法的语音输入，但这几个方面是真让人受不了：
|
||
|
||
|
||
* 广告太多，拒绝安装
|
||
* 我主力五笔，不使用搜狗输入法、讯飞输入法，顶多临时用下微软拼音
|
||
* 就以搜狗输入法为例，它的语音输入快捷键只能是`Ctrl + Shift + A/B/C……`，有以下槽点：
|
||
* 这个快捷键会和许多软件的快捷键冲突，且不好记
|
||
* 打字时，按这样三个快捷键，手指很别扭，不爽
|
||
* 它的逻辑是按下快捷键后，启用语音输入，你一停顿一下，要说下一名，语音输入却结束了，不能让用户决定什么时候结束语音输入。
|
||
|
||
|
||
为了在电脑上语音输入，我之前是用的 Quicker 的手机端进行语音识别，输入到电脑上，需要两个设备，非常麻烦。今天终于做好我心目中最好用的电脑端语音输入工具了！
|
||
|
||
### 描述
|
||
|
||
本工具（Caps Writer）是一个电脑端的语音输入工具，使用了阿里云的一句话识别 api
|
||
|
||
（有兴趣的可以改成百度、腾讯、讯飞的 api 试试）。
|
||
|
||
使用方法很简单：运行程序后，按下 `Caps Lock`（也就是大写锁定键）超过 0.3 秒后，就会开始用阿里云的 api 进行语音识别，松开按键后，会将识别结果自动输入。
|
||
|
||
因为使用了阿里云的 api，所以需要用户自己到阿里云申请，再填到 `token.ini` 中才能正常使用。
|
||
|
||
对于聊天时候进行快捷输入、写代码时快速加入中文注释非常的方便。
|
||
|
||
|
||
### 视频演示
|
||
|
||
请到 HacPai 帖子中进行查看：[Caps Wirter 发布：按住大写锁定键，进行语音识别输入](https://hacpai.com/article/1594371212477)
|
||
|
||
### 开箱即用
|
||
|
||
小白用户，只需要在 Release 界面下载打包好的 exe 文件，运行，会在同级目录生成一个 `token.ini` 文件，在 `token.ini` 中填入你阿里云拥有 **管理智能语音交互（NLS）** 权限的 **RAM访问控制** 用户的 **Accesskey Id**、**Accesskey Secret** 和智能语音交互语音识别项目的 **appkey** ，就可以正常使用了。详细步骤之后我录一个视频
|
||
|
||
### 开发使用
|
||
|
||
本工具是一个python脚本，上面小白下载的 Release 其实是用 pyinstaller 导出的 exe 文件，如果你想在源码基础上使用，就需要安装以下模块：
|
||
|
||
- keyboard
|
||
- pyaudio
|
||
- configparser
|
||
- aliyunsdkcore
|
||
- alibabacloud-nls-python-sdk
|
||
|
||
其中：
|
||
|
||
- pyaudio 在 windows 上不是太好安装，可以先到 [这个链接](https://www.lfd.uci.edu/~gohlke/pythonlibs) 下载 pyaudio 对应版本的 whl 文件，再用 pip 安装
|
||
- alibabacloud-nls-python-sdk 不是通过 python 安装，而是通过 [阿里云官方文档的方法](https://help.aliyun.com/document_detail/120693.html) 进行安装。
|
||
|
||
另外，需要在 `token.ini` 中填入阿里云拥有 **管理智能语音交互（NLS）** 权限的 **RAM访问控制** 用户的 **accessID**、**accessKey** 和智能语音交互语音识别项目的 **appkey** 。
|
||
|
||
本文件夹内有一个 `安装指南` 文件夹，在里面可以找到详细的安装指南，还包括了提前下载的 alibabacloud-nls-python-sdk 和 pyaudio 的 whl 文件。
|
||
|
||
用 python 运行 `run.py` 后，按下 `Caps Lock`（也就是大写锁定键）超过 0.3 秒后，就会开始用阿里云的 api 进行语音识别，松开按键后，会将识别结果自动输入。
|
||
|
||
### 后话
|
||
|
||
因为作者就是本着凑合能用就可以了的心态做这个工具的，所以图形界面什么的也没做，整个工具单纯就一个脚本，功能也就一个，按住大写锁定键开始语音识别，松开后输入结果。目前作者本人已经很满意。
|
||
|
||
欢迎有想法有能力的人将这个工具加以改进，比如加入讯飞、腾讯、百度的语音识别api，长按0.3秒后开始识别时加一个提示等等等等。 |