源自 CapsWriter-Offline 的独立离线语音识别服务，供各种应用通过 WebSocket 接入。仓库包含多种 ASR 引擎、推荐的 Python SDK，以及可选的多后端负载均衡 proxy。
第一次部署请从首次部署与第一次识别开始。指南涵盖平台对应的依赖文件、推荐的 Paraformer 模型、健康检查和 SDK 接入入口。
| 部署环境 | 依赖文件 | 说明 |
|---|---|---|
| Windows x64 | requirements-server.txt |
还需安装 colorama；本仓库未提供 Windows ARM64 配方 |
| macOS Apple Silicon | requirements-server-macos.txt |
MLX 引擎只支持 Apple Silicon；首次部署也可选择 Paraformer |
| Linux | requirements-server-linux.txt |
依赖文件存在；不同发行版和 GPU 安装仍需按指南说明核验 |
- Python SDK 安装与首次识别 — 推荐的文件转录入口。
- WebSocket 协议 — 其它语言或自定义客户端可直接使用协议。
- 下游客户端接入指南 — 接入路线与最小示例。
- Paraformer、SenseVoice、Fun-ASR-Nano、Qwen3-ASR GGUF，以及仅 Apple Silicon 可用的 MLX 后端。
- 协议通过 WebSocket 提交音频；
GET /health返回服务和推理 Worker 状态。 - 可选 proxy 将多个 ASR 后端汇聚到单一入口。
模型能力、文件目录和首次选择建议见模型支持与模型下载说明。按首次部署指南选择 Paraformer 时无需安装 llama.cpp 动态库；选择 Qwen、Fun-ASR 或时间戳对齐路径则需准备相应动态库。
本仓库从上游 CapsWriter 演进为面向应用接入的服务端项目；来源、取舍和同步方式见 UPSTREAM.md。
本项目使用 MIT 许可证。