TMSpeech：把电脑正在播放的声音实时变成字幕

TMSpeech 的作用是把电脑正在播放的声音（会议、网课、视频里的语音）实时识别成字幕，悬浮窗像歌词一样显示在屏幕上。识别全程在本地离线完成，音频数据不出本机，不依赖网络。

免费开源（MIT 许可证），仅 Windows，绿色解压不写注册表。想上手的话，先把包选对：主程序 zip 约 156 MiB，里面不含识别模型；FunASRNano 整合包约 909 MiB，自带模型和 Python 运行环境，解压即有完整识别链路。

下载地址

官网地址：https://github.com/jxlpzqc/TMSpeech ；体积：win-x64.zip 163,440,480 字节（约 156 MiB），FunASRNano 包 953,307,071 字节（约 909 MiB）。123 链接提取码 8888。

功能介绍

三种捕获方式，系统静音也能识别

可抓系统声音、麦克风或指定进程的音频，设置里三选一；系统声音走 WASAPI 回环捕获，官方明确「即使完全关闭电脑声音也能使用」。指定进程捕获是 v0.4.3-funasr 这一版新增的能力（官方更新说明），可以只抓某一个程序的音频。

识别引擎三选一，结果可回看

识别器有 SherpaOnnx、SherpaNcnn、命令行外挂三种，模型目录在设置里自选，也可以换其他开源模型。识别结果记入历史记录页面，可右键或 Ctrl-C 复制，并按日期存到「我的文档」的 TMSpeechLogs 文件夹——本机启动后这个目录确实自动创建了。CPU 占用方面，作者在 README 里给出的是 AMD 5800u 笔记本上不到 5% 的数据。

本机实测：主程序解压后直接打开主界面和悬浮字幕窗，无崩溃；FunASRNano 整合包的识别脚本能正常启动并枚举音频设备，但喂官方测试语音时输出为空——这是 sherpa-onnx 的已知 bug（issue #3993：Fun-ASR-Nano int8 模型在 Windows x86_64 CPU 上 int8 溢出，生成 0 token），截至发稿仍 open。想避开这个坑，用主程序配 v0.4.3 tag 的 ncnn/onnx 模型包更稳；整合包等上游修复后再用。

界面图取自项目主页的官方展示截图。

软件信息

标签：TMSpeech、实时字幕、本地离线转写