Caps Wirter 发布，电脑端最好用的语音输入工具：按住大写锁定键，进行语音识别输入

[JackalZhao]

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。

地址

Github 　　　　 Zip 打包下载

上面打包下载的链接在 V2EX 可能用不了，可以到 我在 Hacpai 的帖子 中查看下载

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：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。

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

演示 1

演示 2

上面的 mp4 视频链接在 V2EX 可能播放不了，可以到 我在 Hacpai 的帖子 中播放查看

安装使用

无需编译，clone 下来将依赖安装上、api 填上就可以用了。

本工具是一个 python 脚本，依赖于以下模块：

• 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 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 进行安装。

另外，需要在 run.py 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 。

做完以上步骤后，只要运行 run.py 就可以用了！

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。

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。

标题的 Caps Writer 写成 Wirter 了，改不了标题，很淦

更新：进行了一下优化，用 pyinstaller 打包成了一个 exe，windows 用户在 release 界面，下载 exe 运行即可使用。

不用再复杂地安装依 Python 、依赖就能用了！

[kele999]

黑客派牛逼啊

[Themyth]

MAC 下自带的语音识别按两下 fn 也挺好用的。

[dioxide]

想问: 目前的“语言识别”的实现能达到产品级的只有这些“巨头”的私有 API 么? 可否有开源的轮子?

[cest]

@dioxide #3 需要天量投入
开源的几个连英语都不行

[laycher]

果然再怎么用都不如自己做的好。
果然黑客派！

[666orz]

试了一下，也没报错，也没有输入……