企业官网建设流程全解析

TMSpeech：免费离线语音转文字工具，实时字幕零配置

【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

TMSpeech 是一款免费开源的 Windows 离线语音转文字工具：实时抓取电脑正在播放的一切声音，变成屏幕上的滚动字幕。识别全程在本地完成，不联网也能转写，普通笔记本上 CPU 占用不到 5%。适合开会、上网课、以及不想把声音交给云端的人。

被会议点名时，靠什么救场

不是你没在认真开会，是大脑确实走神了那几分钟。被点到名字的瞬间，眼前的一切都像外语。

这正是作者做这个项目时的处境，所以它有个外号叫"腾讯会议摸鱼工具" 😄。思路其实很朴素：记不住，就记下来。开着一个字幕窗口，等你被要求复述刚才讨论了什么，扫一眼历史记录就能从容作答。

不是你记性差，是没人替你记着。

转写工具的核心只有一条：它不能泄密。云端语音转文字要把录音发到远程服务器；TMSpeech 不，声音从头到尾在你这台机器里进出，断网状态下照样转写。

三步跑通首次离线识别 🚀

这事真不复杂，三步走完不到五分钟。

第一步：拿到程序。从项目 Release 页面下载最新 release 包，解压后直接运行里面的 exe，不用安装。想读代码的话，把仓库克隆到本地：

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

一行命令，整个项目源码就落到了你电脑上。

第二步：装语言模型。识别要先有"字典"。打开程序进入设置窗口的「资源」页，给中文模型点一下安装，等下载完成即可。

内置插件放在应用目录的 plugins/ 文件夹，你自己装的资源会进 %AppData%/TMSpeech/plugins/，同一个页面统一管理，装过一眼就能看状态。

第三步：点开始。计时器跑起来，字幕窗口开始跟随电脑里的声音滚动。识别会按日期自动归档到「文档/TMSpeechLogs」，回头要看，直接打开历史窗口，右键复制，纪要的半成品就有了。

为什么关掉声音它也能识别

这是 TMSpeech 最反直觉的一点：把系统音量调到零，字幕不停。

原因是它走 Windows 的 WASAPI 环回通道，在系统内部"偷听"。声音还没走到扬声器就被截走了，所以扬声器发不发声，它根本不关心。相关实现在 src/Plugins/TMSpeech.AudioSource.Windows/，想折腾的同学看这里。

字幕窗口是无边框的，屏幕哪个角落都能拖过去、随便缩放。锁定是它的杀手锏：一锁，窗口不再响应鼠标点击，底下的画面照常操作，浮在视频上也一点不碍事。程序常驻系统托盘，开始、停止、锁定、退出，右键全搞定，不用碰主窗口。

整条链路可以看成三站：音频源抓声音 → 识别引擎把声音翻成字 → 语言模型决定翻得准不准。识别是流式的，一句话还没说完，上一句的字幕已经上屏了。

识别不出门，才谈又快又安全。

两个常见小问答

• 问：只能听系统声音吗？不是。音频源设置里可以切到麦克风，或指定某个进程的音频。
• 问：今天识别到的东西去哪找？默认在「文档/TMSpeechLogs」，按日期分文件；设置里可改保存路径。

三套识别引擎，怎么选 🔧

"大脑"有三档，在设置的「语音识别」页切换：

• Sherpa-Onnx：跑在 CPU 上，最省电，日常首选；
• Sherpa-Ncnn：能上 GPU 加速，给延迟敏感的场景用；
• 命令行识别器：不想用内置大脑？接你自己的程序。

命令行识别器是最好玩的一档。它启动你指定的外部程序，外部程序输出里出现一个换行，当前句子就刷新；出现多个换行，表示这句定了，TMSpeech 照单显示并落进历史。仓库里的 external_recognizer/ 放着现成的 Python 示例，想接 Whisper、SenseVoice 这类引擎，照着抄一个下午的事。

显示相关的细节——字体、字号、颜色、阴影、对齐——都在「显示」页。想看全部配置项长什么样，都定义在 src/TMSpeech.Core/ConfigTypes.cs，一个文件看完。

引擎可换，模型可换，工具长什么样由你说了算。

值不值得装，看三条标准

不劝你尝鲜，只给三个判断条件。满足任意一条，它就有资格进你的工具箱：

• 开会、上课，总怕漏掉重点；
• 不想让任何录音出你的门，走云端；
• 电脑配置一般，要免费、无广告、轻量的方案。

免费、离线、本地、低占用，这四个词都是承诺，也都能当场验证。模型装好、识别点起来之后，剩下的就交给你的字幕窗口了。

【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