一秒内将语音输入到任意Windows窗口：离线运行，CPU跑通，无需占用一GB显存资源

作者开发了WhisperType，这是一款免费开源（MIT许可）的Windows 10/11 x64听写工具。它允许通过热键在任何窗口中进行语音输入，可离线使用且无需管理员权限，并采用本地模型deepdml/faster-whisper-large-v3-turbo-ct2（CTranslate2，int8_float32）。主要问题在于Whisper编码器总是处理固定的30秒窗口，因此即使很短的短语在中央处理器上也需要约4秒。解决方案是对pad_or_trim函数进行猴子补丁，根据实际语音长度缩小编码器窗口。此外，在缩小窗口时禁用时间戳，并采用基于文本的方法来消除罕见的重复。对于长听写，实现了流式识别：在录音过程中，音频在停顿处被切割并分块处理。最优线程数会自动选择为所有逻辑处理器减二。其他优化包括：显式语言检测、常开音频流、预热模型、延迟导入，以及检查静音和音频设备故障。系统级代码仅使用ctypes和WinAPI，避免使用钩子库。