离线语音识别
完全在本机运行的语音 / 音视频转文字桌面客户端，离线识别不上传数据
下载离线语音识别（桌面客户端）
一款完全在本机浏览器里运行的语音 / 音视频转文字工具。所有音频、视频都在你的设备本地解码与识别，不上传、不记录、不用于训练，隐私零泄露。下载压缩包，解压后双击「启动asr.exe」即可使用，无需联网。
LiE2
- 🌐 全离线运行，无需联网、不上传任何数据
- 🎙 支持 Whisper 与 Sherpa-ONNX（Paraformer · SenseVoice）
- 📁 音频、视频文件转写 + 麦克风实时录音转写
- 💻 Windows 桌面客户端，解压即用，不依赖浏览器
✨ 离线语音识别 使用指南
一款完全在本机浏览器里运行的语音 / 音视频转文字工具。所有音频、视频都在你的设备本地解码与识别，不上传、不记录、不用于训练，隐私零泄露。
本说明面向使用者（怎么用）。
一、怎么打开本软件（下载即用，最简单）
你拿到的是一个压缩包，解压后根目录里应当包含这 4 样东西：
| 文件 / 文件夹 | 作用 |
|---|---|
使用说明.txt / 使用说明.md | 本说明文档 |
启动asr.exe | 启动程序，双击它即可运行 |
web_config.json | 可选配置文件（端口 / 监听地址 / 站点目录 / 默认首页），不填也能用 |
dist\ | 网页与识别模型，必须和 exe 放在同一目录 |
操作步骤：
- 双击
启动asr.exe，会弹出一个小窗口（若系统杀软拦截，请将其加入白名单，见第七节）。 - 端口号默认
5666（1–65535 之间都可改，一般不用动）。 - 点 「启动」，程序会在本机启动一个本地网页服务（仅监听
127.0.0.1，不对外网开放）。 - 窗口里出现的网址（如
http://127.0.0.1:5666）点击即可在默认浏览器中打开识别页面。 - 用完后回到小窗口点 「关闭」，或直接关掉窗口即可退出。
⚠️ 关键：
dist文件夹必须和启动asr.exe在同一个目录。如果dist缺失或不在旁边，程序会回退到一个内置的"服务运行中"空白页，识别页面打不开。
想换端口、想让局域网其他设备也能访问、或想换默认首页，编辑
web_config.json即可（见第九节），无需重新编译。
提示：这个 exe 本质是一个"本地小服务器 + 浏览器入口"。部分杀毒软件可能误报，它是安全的——它不联网、不搜集数据，只在你电脑本地开一个网页。如被拦截，请把该文件加入杀软白名单 / 信任区即可。
⚠️ 不能直接双击
index.html打开（file:// 方式）。浏览器会拦截 Web Worker 与模型加载，页面会提示"请改用本地服务器"。请始终通过双击启动asr.exe打开本软件。
二、界面与功能一览
打开页面后，从上到下依次是：
| 区域 | 说明 |
|---|---|
| 引擎 | 选择识别引擎：Whisper（多语种）或 Sherpa-ONNX（中文更强）。 |
| 模型 | 随引擎变化：Whisper 有 Base（快）/ Small（准）；Sherpa 有 Paraformer（中文流式·内置）/ SenseVoice Small（多语种·情感检测）。 |
| 识别语言 | 随模型变化：Whisper 支持约 99 种语言（默认中文）；Paraformer 仅中文（自动锁定）；SenseVoice 支持 自动 + 中/英/日/韩/粤（默认自动检测）。 |
| 音频 / 视频文件 | 点选框或把文件拖进去，支持常见格式（wav/mp3/m4a/webm/ogg/flac/mp4/mov/mkv/avi 等）。 |
| 开始识别 / 停止 | 选好文件后点「开始识别」；识别中可点「停止」。 |
| 🎙 录音 | 用麦克风实时录音并转写（首次需授权麦克风）。 |
| 进度条 | 显示加载模型与识别进度。 |
| 识别结果 | 转写文本，可 复制 / 保存 为文件。 |
| 状态日志 | 底部实时显示加载、识别过程中的提示与报错。 |
三、文件 / 视频转写（最常用）
- 在 引擎 / 模型 / 识别语言 中按需要选择（见下方"怎么选"）。
- 点击虚线框 「点击选择，或将音频 / 视频文件拖拽到此处」，选一个音频或视频文件；也可直接把文件拖进框里。
- 文件名会出现在框内，「开始识别」按钮变为可用，点击它。
- 首次使用某引擎会先加载模型（进度条走动，可能要等十几秒到几十秒，取决于模型大小与电脑性能），加载完自动开始识别。
- 识别完成后，文本出现在「识别结果」区，可点 复制 或 保存。
长音频 / 视频会自动分段处理并在结束后做一次整体文字与标点优化，无需手动切分。
四、麦克风录音转写
- 选择引擎与模型（录音推荐
Sherpa-ONNX · Paraformer实时流式，或SenseVoice）。 - 点 🎙 录音，浏览器会请求麦克风权限，允许 后开始聆听（页面顶部出现"正在聆听…"状态条）。
- 说话，文字会实时（Paraformer）或停止后（SenseVoice，见下）出现在结果区。
- 再次点录音按钮（变「停止录音」）结束录音。
关于 SenseVoice 录音：SenseVoice 是离线整段模型，录音时是"先录整段、停止后再一次性识别"，所以说话过程中结果区不会实时跳动，停止后才出字——这是正常现象。Paraformer 则是边说边出字。
麦克风用不了？ 录音功能依赖"安全上下文"，必须用桌面客户端
启动asr.exe打开（http://127.0.0.1），不要用file://直接打开，否则麦克风不可用。
五、引擎 / 模型怎么选
| 场景 | 推荐 |
|---|---|
| 中文语音 / 视频，要快、要实时 | Sherpa-ONNX → Paraformer（中文标点内置，流式） |
| 多语种（含英/日/韩/粤）或想要情感/事件标记 | Sherpa-ONNX → SenseVoice Small（自带标点；语言选「自动」可自动判别语种） |
| 英语等多语种、追求更高准确率 | Whisper → Small（准）/ Base（快） |
- Paraformer：仅中文，下拉语言会被锁定为中文，无需选择。
- SenseVoice：语言下拉出现「自动」，默认识别前自动判断语种；也可手动指定中/英/日/韩/粤。
- Whisper：语言列表最全（约 99 种），默认中文；如选了模型不支持的语言会报错，换回支持的语言即可。
六、识别结果操作
- 复制：把结果区文字复制到剪贴板。
- 保存：把结果保存为文本文件到本地。
七、常见问题（FAQ）
Q1：杀毒软件报病毒 / 风险程序？
A：这是误报。启动asr.exe 只是在你电脑本地开一个网页服务，不联网、不搜集任何数据。可将其加入杀软白名单 / 信任区后正常使用。
Q2：页面提示"请改用本地服务器"或一片空白？
A：你是直接双击 index.html（file://）打开的。请改用桌面客户端 启动asr.exe 双击打开。
Q3：双击 exe 后浏览器打开却是"服务运行中"空白页？
A：多半是 dist 文件夹没有和 exe 放在同一目录（见第一节）。请确认解压后的根目录里 dist\ 和 启动asr.exe 在一起。
Q4：麦克风没法录音 / 没声音？
A：确认已通过 http://127.0.0.1 或 https 访问（非 file://），并在浏览器弹窗中允许了麦克风权限；并检查系统 / 浏览器没有全局禁用该站点麦克风。
Q5：第一次点"开始识别"卡在加载、很慢？
A：首次需要把识别模型加载进内存（Paraformer / SenseVoice 模型较大），属正常。加载一次后会缓存，后续更快。请耐心等待进度条走完。
Q6：识别出错 / 报语言不支持？
A：多半是语言选项和模型不匹配。换回该模型支持的语言（见第五节）再试；若仍报错，把底部「状态日志」里的错误信息发给我们即可定位。
Q7：识别速度慢？
A：识别在浏览器内用 WASM（CPU）计算，速度取决于设备性能。追求速度可选更小的模型（Whisper Base、Paraformer）；追求准确率选 Whisper Small。
关于 离线语音识别
离线语音识别 是一款完全在本地运行的语音 / 音视频转文字桌面客户端，无需安装、无需注册。它把识别引擎（Whisper / Sherpa-ONNX）与网页界面打包成一个可双击运行的程序，所有音频、视频的解码与识别都在你的设备本地完成，不依赖云端算力，也不上传任何数据。
隐私与安全
- 所有音频 / 视频的解码与识别都在你本机完成，不经过任何服务器，不发送任何数据。
- 桌面客户端仅在本机
127.0.0.1开启本地服务，不会把服务暴露到局域网或外网（除非你在web_config.json把listen_ip改成0.0.0.0）。 - 页面含一个站长统计脚本（百度统计），仅用于匿名访问量统计，不包含你的任何音频内容。
配置文件 web_config.json（可选）
启动asr.exe 会在自己所在目录（即打包根目录）读取 web_config.json（JSON 格式）。你可以新建 / 修改它来定制启动行为，无需重新编译。
若文件不存在、或某项写错（类型不对 / 超出范围 / 无法解析），该项会自动回退到默认值，其余正确项仍生效——不会影响程序启动。
| 字段 | 类型 | 默认值 | 说明 |
|---|---|---|---|
port | 整数 | 5666 | 监听端口（1–65535）。 |
listen_ip | 字符串 | 127.0.0.1 | 监听地址。127.0.0.1 仅本机；改成 0.0.0.0 可让局域网内其他设备访问。 |
webroot | 字符串 | 空（= exe 同目录的 dist） | 静态站点目录；可用相对路径（相对于 exe 所在目录）或绝对路径。填 "." 表示 exe 所在目录本身。 |
index_pages | 字符串（逗号分隔） | index.html | 默认首页候选，多个用逗号隔开，按顺序尝试首个存在的文件。例如 home.html,index.html 表示优先用 home.html，没有再用 index.html。 |
示例（全部为默认值的写法，放在 exe 同目录即可）：
{
"port": 5666,
"listen_ip": "127.0.0.1",
"webroot": "",
"index_pages": "index.html"
}
命令行参数
-dir 路径的优先级高于配置文件里的webroot；其余项以配置文件 / 默认值为准。
为什么选择离线语音识别？
- 🔒 隐私安全：数据本机处理不上传服务器，保障隐私安全更安心。
- ⚡ 免费极速：无需注册登录，打开即用，本地计算零等待。
- 🛠 即开即用：跨平台支持，手机、平板、电脑都能流畅使用。
相关搜索：离线语音识别, 语音转文字, asr, 离线, 语音识别, 转写, 下载, whisper, sherpa
常见问题
- 离线语音识别和网页版有什么不同？
- 它是桌面客户端形态，完全在本机运行 Whisper 与 Sherpa-ONNX 引擎，识别过程不联网、不上传，适合长期离线使用。
- 支持哪些识别引擎？
- 内置 Whisper 与 Sherpa-ONNX 两套方案，可在本地切换；不同引擎对语种、速度与精度的取舍不同。
- 没有网络真的能用吗？
- 能。模型与推理都在本机，断网状态下照常识别，适合内网、出差或涉密环境。
- 长录音、采访稿也能转吗？
- 可以。把音视频交给本地引擎转写，得到文字稿后自行校对，整个过程数据不出设备。
- 识别准确率怎么保证？
- 取决于所选模型规模与音频质量；工具本身只负责本地推理，建议用清晰音源并选更优模型。
- 我的录音会被收集吗？
- 不会。所有音频都在你电脑本地处理，没有任何上传环节。
离线语音识别 能做什么
- 本机运行 Whisper 与 Sherpa-ONNX 转写。
- 支持音视频离线识别为文字。
- 多引擎可切换，不依赖网络。
离线语音识别 适合什么场景
- 内网、涉密或出差无网环境。
- 长录音、访谈稿离线整理。
- 对隐私要求高、拒绝上传音频的场合。