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）

[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？

[codehz]

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]

@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]

上面打错字了，是 23H2 版本

[katwalk]

有现成的，但是是按住键盘按键

[hj18]

whisper 可以吗？我用过，本地部署。

[SzgSw5zGyN1iy]

@katwalk 请问，可还记得大概名字？
@hj18 ，先 mark ，安排上试试看，谢谢！

[debuggerx]

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]

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]

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]

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