mirror of
https://github.com/HaujetZhao/CapsWriter.git
synced 2025-07-14 05:22:09 +08:00
81 lines
5.1 KiB
Markdown
81 lines
5.1 KiB
Markdown
# Caps Writer
|
||
|
||
### 💡 简介
|
||
|
||
一款电脑端语音输入工具,后台运行脚本后,按下按下 `Caps Lock`(也就是大写锁定键)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。
|
||
|
||
目前使用了阿里云的一句话识别 api。(有兴趣的可以自行改成百度、腾讯、讯飞、谷歌的 api )
|
||
|
||
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。
|
||
|
||
### 📝 背景
|
||
|
||
|
||
我真是气抖冷,为什么直到 0202 年,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!
|
||
|
||
|
||
### 📽️ 视频演示
|
||
|
||
作者为这个工具录制了使用视频演示、申请 api 的教程视频
|
||
|
||
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)
|
||
|
||
或者到 Bilibili 查看:[ Caps Writer(电脑端语音输入工具)使用教程 ](https://www.bilibili.com/video/BV1qK4y1s7Fb/)
|
||
|
||
## 🔮 开箱即用
|
||
|
||
小白用户,只需要在 [Release](https://github.com/HaujetZhao/CapsWriter/releases) 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。
|
||
|
||
详细申请、填写 API 的步骤请到 [Caps Wirter 发布:按住大写锁定键,进行语音识别输入](https://hacpai.com/article/1594371212477) 或到 [ Caps Writer(电脑端语音输入工具)使用教程 ](https://www.bilibili.com/video/BV1qK4y1s7Fb/) 查看视频教程
|
||
|
||
### 🛠 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。
|
||
|
||
目前已知改进的方向:
|
||
|
||
- 使用 VoiceRecognition 中的 google_recognize 进行识别,使用的是谷歌的免费语音识别 api,优势是不用用户个人申请 api 了,但是在中国大陆不太好使用。在海外的话会非常好用。
|
||
- 使用 Baidu AI 语音识别 api,每个账户有 200 万次的免费额度。
|
||
- 使用 Tencent AI 语音识别 api,每个账户有 5000 次的免费额度。
|
||
- 使用讯飞的语音识别 api,每个账户有 1 年的免费使用时间。
|
||
|
||
欢迎有兴趣的贡献者对项目进行翻译(国际化),添加 Google、Bing 的 api,让海外用户也可以使用这个便捷的语音输入工具! |