<<<<<<< HEAD

ezA2T

完全离线的实时字幕识别

ezA2T - 离线实时语音转字幕软件

Easy Audio to Text - 专为Windows设计的离线实时语音转字幕软件

🎯 功能特点

• 🎧 真正的系统音频捕获：使用Windows WASAPI loopback技术，捕获电脑播放的任何音频
• 🔒 完全离线运行：无需网络连接，保护隐私，数据不上传
• ⚡ 实时字幕显示：就像音乐播放器的歌词显示一样，实时展示识别结果
• 🎨 自定义界面：可调整字幕位置、大小、字体、颜色等
• 🌐 多语言支持：支持中文、英文等多种语言模型
• 💾 轻量级部署：核心文件小巧，运行流畅

📋 使用场景

• 📺 视频字幕：为没有字幕的视频实时生成字幕
• 🎵 音乐歌词：为音乐生成实时歌词显示
• 🎙️ 会议记录：实时转录会议内容
• 📚 学习辅助：帮助听力练习和语言学习
• ♿ 无障碍支持：为听障人士提供实时字幕

🚀 快速开始

系统要求

• Windows 10/11 (64位)
• Python 3.7+
• 音频输出设备

安装步骤

1. 克隆项目

   git clone https://github.com/TJUEZ/ezA2T.git
   cd ezA2T

2. 安装依赖

   pip install -r requirements.txt

3. 下载语音模型

   python setup.py

   在图形界面中选择并下载适合的语音模型：

   • 中文模型：vosk-model-cn-0.22 (推荐)
   • 英文模型：vosk-model-en-us-0.22

4. 运行软件

   python main.py

   或直接双击 run.bat

🎮 使用方法

基本操作

1. 启动软件：运行 main.py 或双击 run.bat
2. 播放音频：播放任何音频内容（视频、音乐、语音等）
3. 查看字幕：软件会自动识别并显示字幕

界面操作

• 右键菜单：右键点击字幕窗口打开设置菜单
• 拖拽移动：拖拽字幕窗口到任意位置
• 双击置顶：双击切换窗口置顶状态
• 快捷键：
  • Ctrl+S：保存字幕到文件
  • Ctrl+Q / ESC：退出程序

设置选项

• 字体设置：调整字体大小、颜色、样式
• 窗口设置：调整窗口大小、透明度、位置
• 识别设置：选择语音模型、调整识别参数

🔧 技术架构

核心组件

ezA2T/
├── main.py                           # 主程序入口
├── src/
│   ├── wasapi_loopback_capture.py   # WASAPI音频捕获
│   ├── speech_recognizer.py         # 语音识别引擎
│   ├── subtitle_ui.py               # 字幕显示界面
│   └── config.py                    # 配置管理
├── setup.py                         # 模型下载器
├── run.bat                          # 快速启动脚本
└── requirements.txt                 # 依赖列表

技术栈

• 音频捕获：PyAudioWPatch - 支持WASAPI loopback
• 语音识别：VOSK - 离线语音识别
• 界面框架：Tkinter - 跨平台GUI框架
• 数据处理：NumPy - 音频数据处理

🛠️ 高级配置

配置文件

编辑 config.json 自定义设置：

{
  "audio": {
    "sample_rate": 16000,
    "chunk_size": 1024
  },
  "recognition": {
    "model_path": "./models/vosk-model-cn-0.22",
    "language": "zh-cn"
  },
  "ui": {
    "font_size": 14,
    "font_family": "微软雅黑",
    "window_alpha": 0.9
  }
}

命令行参数

# 查看帮助
python main.py --help

# 列出音频设备
python main.py --list-devices

# 使用指定配置文件
python main.py --config my_config.json

# 查看模型下载指南
python main.py --download-guide

📖 常见问题

Q: 无法识别音频？

A: 确保：

1. 电脑正在播放音频
2. 音频设备正常工作
3. 选择了正确的语音模型

Q: 字幕显示不准确？

A: 尝试：

1. 选择更大的语音模型
2. 确保音频清晰无杂音
3. 调整音频音量

Q: 软件运行缓慢？

A: 可以：

1. 使用较小的语音模型
2. 调整chunk_size参数
3. 关闭其他占用资源的程序

Q: 支持其他语言？

A: 是的！从 VOSK Models 下载对应语言模型即可。

🤝 贡献指南

欢迎贡献代码！请：

1. Fork 项目
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开 Pull Request

📝 开发计划

• 支持更多音频格式
• 添加语音增强功能
• 支持自定义语音模型训练
• 添加多语言实时切换
• 支持macOS和Linux

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

🙏 致谢

• VOSK - 优秀的离线语音识别引擎
• PyAudioWPatch - Windows音频捕获支持
• PortAudio - 跨平台音频I/O库

📞 联系我们

• 项目主页：https://github.com/TJUEZ/ezA2T
• 问题反馈：https://github.com/TJUEZ/ezA2T/issues
• 功能建议：https://github.com/TJUEZ/ezA2T/discussions

---

如果这个项目对你有帮助，请给我们一个 ⭐ Star！

Made with ❤️ by TJUEZ Team

>>>>>>> c963349 (Initial commit: ezA2T - 离线实时语音转字幕软件)