企业官网建设流程全解析

免费离线语音转文字实测：TMSpeech让Windows里的所有声音都变成实时字幕

【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

你多半也经历过这种时刻：一场重要的线上会议开到一半，主持人忽然点名——"刚才那段方案你怎么看？"而你正低着头，把上一句话最后一个字补进笔记里。指尖一顿，脑子一片空白。不是没认真听，是真的跟不上。

TMSpeech 就是为这种瞬间准备的。这是一款完全免费、开源、全程离线的 Windows 实时字幕工具，通俗说就是"离线语音转文字"利器：它能捕获电脑里正在播放的任何声音，实时变成一行行文字，像卡拉 OK 歌词一样浮在屏幕上，而且从安装到使用都不联网，你说了什么、开了什么会，一个字都不会离开这台电脑。

先说说我那天的狼狈

上个月我参加一场两小时的评审会，负责记关键结论。前半小时我还勉强跟得上，到后面发言人语速一快、术语一多，我彻底沦为人肉速记员——听一句写半句，写完上一句下一句已经飘走了。散会时我翻开笔记，发现中间有整整二十分钟只记了三行字，还带着错别字。

最要命的是领导随口问我："刚才提到的时间节点是几号来着？"我愣在原地，翻了三页笔记也没找到。

那一刻我就想：要是有一台"随声听写员"坐在我旁边就好了，它负责听、负责写，我只负责会后看成品。这个想法，就是 TMSpeech 干的事。

从一个"摸鱼梗"说起：它到底是个什么东西

它的作者在项目里调侃这是个"腾讯会议摸鱼工具"——开着会不用拼命抄笔记，偶尔走神也不慌，因为字幕和历史记录会替你记着，被叫起来回答问题时翻一眼就行。

听着像玩笑，但底层能力是实打实的：

• 它用系统级音频捕获技术（WASAPI）"录内音"，电脑里在放什么就听什么，甚至可以完全静音运行，声音依然能被采集到；
• 识别全部在本地完成，支持中文、英文和中英双语模型；
• 识别结果实时显示在一个可以任意拖动、调大小的无边框小窗口里，还能调字体、颜色和透明度；
• 同时自动把每句话按日期存进"我的文档/TMSpeechLogs"文件夹，会后一键变成会议纪要。

一句话概括：它像给 Windows 装了一只"永不疲倦的耳朵"，外加一支"永不走神的笔"。

十分钟，从下载到看见第一行字幕

我来说说真实的首次体验，整个过程比想象中顺利。

从仓库的 Release 页面下载压缩包，解压后直接双击TMSpeech.exe，首次运行它会自动创建配置文件和日志目录，什么都不用装，先跑起来再说。

进入设置界面，左侧是一排分类导航：通用、显示、通知、音频源、语音识别、资源、关于。看起来复杂，其实真正要动的只有两处。

第一处是"语音识别"。这里可以选择识别引擎，下拉菜单里提供命令行识别器、Sherpa-Ncnn 离线识别器和 Sherpa-Onnx 离线识别器。我当时心里没底，怕选错，但软件写得挺贴心，每项后面都标了用途：Sherpa-Onnx 是 CPU 方案，普通电脑直接选它就行；Sherpa-Ncnn 支持调用独立显卡加速；命令行识别器留给想接外部程序的高级玩家。

第二处是"资源"。语音识别需要语言模型，这一步相当于给"耳朵"装语言能力。列表里有 Windows 语音采集器、SherpaOnnx 识别器，以及中文、英文、中英双语三种模型，点击"安装"等它下完就行，中文模型大约三百兆，网速正常的话等不了太久。装完状态会变成"已安装"。

接下来就简单了：回到主界面，点下那个红色圆点开始录音，打开一段网课或者随便播放一段有语音的视频。不到两秒，屏幕上就跳出一行字，跟着说话人的节奏一行行滚动，末尾的字还会随着识别修正不断刷新。

说实话，第一次看到字幕追着语音走，我还是有点小激动的——这画面，不就是我开会时做梦都想要的东西吗？

它替我省下的，不只是抄笔记的手

用了一周之后，我发现自己离不开它了，而且它帮到的不止我一个人。

开会这件头疼事，第一次有了"后悔药"。我现在的习惯是：会议软件一开，TMSpeech 就在后台悄悄工作。散会后不用回忆，打开"我的文档/TMSpeechLogs"，按日期找到今天的记录，把临时字幕删掉、把错别字顺一遍，一份还像样的会议纪要十分钟就出来了。更妙的是，被突然点名时我可以大大方方看一眼历史记录，再从容地回答——那种"心里有底"的感觉，比什么都值钱。

上网课、看教程，效率翻了个倍。我有个考研的朋友试了我的配置后马上入了坑。她看的是英语网课，以前一边盯字幕一边抄笔记，手忙脚乱。现在她把 TMSpeech 挂在屏幕角落，老师讲的每句话都实时变成文字，听不懂的句子直接看原文，还能复制去查词典。她原话是："早一年知道这东西，我能多刷两轮真题。"

我还给家里长辈也装了一份。老人家听力不太好，看电视综艺总是"听个大概"。我把字幕窗口拖到屏幕下方，字体调大、透明度调低，他们看字幕就能跟上剧情，客厅里的笑声都变多了。顺带一提，TMSpeech 的音频源支持"系统音频""麦克风""进程音频"三种，想只录某个软件的声音也能做到，灵活性是够的。

三个高频问题，一次讲透

用的人多了，问题也就多了。这里挑三个最常被问到的，一次性说清楚。

识别出来怎么总有错字？别急着怪软件，先检查两件事：音频源选对了吗？模型装对了吗？要录系统里播放的声音，音频源得是"系统音频"；纯人声录入就选"麦克风"。内容偏中文就装中文模型，中英混杂就装中英双语模型。另外环境太吵、离麦克风太远，识别率也会明显下降——这事儿换谁家软件都一样。

电脑风扇呼呼转，占用很高怎么办？普通电脑请优先选 SherpaOnnx 离线识别器，它是专门为 CPU 优化的。实测在 AMD 5800u 这类普通笔记本上，CPU 占用不到 5%，内存也控制在很小的范围，基本不影响干别的活。如果你有独立显卡，再试试 Sherpa-Ncnn，跑起来更快。

历史记录怎么找不到了？默认路径是"我的文档/TMSpeechLogs"，按日期分文件保存。找不到的话，看看是不是被网盘同步或清理软件"顺手"挪走、删掉了，也可以进设置里把保存路径改到一个你熟悉的地方。还有一个建议：把TMSpeech.exe的快捷方式放到桌面，开机即用，能少走很多路。

开源不是门槛，是邀请

说到这你可能想问：这么好的工具，靠什么维持？答案是——它是个开源项目，全世界的使用者一起维护。

项目采用插件化架构，音频源、识别器、翻译器都做成了插件，核心代码在src/TMSpeech.Core/，各功能插件放在src/Plugins/目录下。就算你完全不懂代码，也可以用更简单的方式参与：觉得哪里不好用、希望加什么功能，去仓库里提个反馈就行；想看看开发流程，docs/Process.md里写得清清楚楚。万一你真想自己动手改一版，把仓库克隆下来慢慢研究也行：

git clone https://gitcode.com/gh_mirrors/tm/TMSpeech

不用担心门槛高，开源社区的原则很简单：提一个真诚的反馈，就是对项目最大的支持。

你的声音，值得留在本地

这几年云端语音识别越来越方便，但我越来越在意一件事：我的会议内容、私人对话，凭什么要传到别人服务器上？TMSpeech 最打动我的，恰恰是这种"笨拙"的坚持——所有音频处理都在本地完成，免费、开源、离线，把隐私牢牢握在自己手里。

如果你也烦透了开会抄笔记、听课跟不上、看视频没字幕，不妨花十分钟试试它。下载、解压、装个模型、点开始，剩下的交给它。下一次被点名提问的时候，你会感谢现在动手的自己。

【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