edit | blame | history | raw

PrivateVoice

长按说话，松手即输 —— 离线 · 极速 · 跨平台

PrivateVoice

PrivateVoice 是一款离线语音转文字工具。按住快捷键说话，松开即识别并输入文字到任意应用。无需联网，无需注册，开箱即用。

核心特性

  • 完全离线 — SenseVoice 模型本地推理，无数据上传
  • DirectML GPU 加速 — 自动检测显卡，CPU 自动回退
  • 两种输入模式 — 长按说话 + 短按自由说话
  • 自定义快捷键 — 支持 Ctrl / Alt / Shift / 功能键 / 字母键
  • 麦克风选择 — 下拉切换输入设备
  • 录音音效 — 马林巴风格提示音（可关闭）
  • 录音计时 — 指示器实时显示录音时长（0:00 → 0:03 → ...）
  • Escape 取消 — 录音中按 Esc 立即取消
  • 剪贴板保护 — 粘贴后自动恢复原剪贴板内容
  • 识别历史 — 自动保存最近 50 条，可复制、删除、设置保留时长
  • 语气词过滤 — 自动去除"嗯、啊、呃"及 um/uh/hmm 等填充词
  • 静音自动停止 — 自由说话模式下连续 3 秒无声自动结束并识别
  • 中英混合优化 — 自动在中英文之间加空格，句首大写
  • DPI 自适应 — 指示器根据系统缩放自动调整大小
  • 指示器可拖拽 — 拖动浮动指示器到任意位置，自动记忆
  • 中英双语界面 — 自动跟随系统语言
  • 应用内更新 — 自动检查新版本并提示下载
  • 系统托盘常驻 — 关闭窗口不退出
  • 开机自启 — 可选

支持的输入语言

当前 PrivateVoice 的产品语言版本为 中文、**English**、**French**、**German**、**Spanish**、**Italian**、**Portuguese**、**Japanese** 和 Korean。识别模型已经扩展到 SenseVoice、Moonshine English、Parakeet English、Parakeet TDT v3、日语 Zipformer、韩语 Zipformer、Qwen3-ASR 和 X-ASR zh-en 960ms；不同模型覆盖的输入语言和成熟度不同。

输入语言 / 场景 当前支持状态 默认 / 可选模型 说明
中文（普通话、简体 / 繁体） 正式支持 默认：SenseVoice；可选高级：Qwen3-ASR；实验：X-ASR zh-en 960ms 中文语言版本默认使用 SenseVoice，适合中文听写和日常输入。
English 正式支持 默认：Moonshine English；可选高级：Parakeet English；实验：X-ASR zh-en 960ms English 语言版本默认使用 Moonshine English，Parakeet 适合更高准确率的英文输入。
French / German / Spanish / Italian / Portuguese 正式支持 默认：Parakeet TDT v3 欧洲五语统一使用 NVIDIA / sherpa-onnx 的 Parakeet TDT v3 多语种离线模型。Portuguese 覆盖 pt-PT 和 pt-BR 的基础识别路径。
中英混输 正式支持场景 SenseVoice、Qwen3-ASR、X-ASR zh-en 960ms 适合中文句子中夹杂英文术语、产品名、代码词等场景。
粤语（Cantonese） 模型支持，尚非独立语言版本 SenseVoice、Qwen3-ASR、X-ASR zh-en 960ms 底层模型包含粤语能力；当前建议在中文语言版本下使用。
日语（日本語） 正式支持 默认：Zipformer Japanese 日语语言版本默认使用 ReazonSpeech 日语专项 Zipformer 离线模型。
韩语（한국어） 正式支持 默认：Zipformer Korean 韩语语言版本默认使用韩语专项 Zipformer 离线模型。
欧洲其他语种 模型支持，尚非独立语言版本 Parakeet TDT v3 Parakeet TDT v3 支持 25 种欧洲语言；当前只把 French、German、Spanish、Italian、Portuguese 作为正式产品语言版本。
其他语言 暂未正式支持 无独立默认模型 系统语言不在当前正式语言范围内时，当前产品会回落到 English 语言版本。
识别模型 模型状态 覆盖的输入语言 / 场景 所属语言版本 说明
SenseVoice 默认轻量模型 中文、粤语、English、日语、韩语 中文默认 轻量模型，当前推荐用于中文和中英混输，也提供日语、韩语等底层识别能力。
Qwen3-ASR 高级模型 中文、简繁中文、粤语、中英混输 中文可选 体积更大，适合中文长句、技术词和更高准确率需求。
Moonshine English 默认轻量模型 English English 默认 轻量英文离线模型，适合英文日常听写。
Parakeet English 高级模型 English English 可选 当前接入的是 parakeet-unified-en-0.6b 英文模型，适合长句、技术词和更高准确率需求。
Parakeet TDT v3 默认多语种模型 French、German、Spanish、Italian、Portuguese 欧洲五语默认 一个模型包覆盖欧洲五语，适合离线听写；发布前基准对比 Canary-1B-v2 和 Whisper large-v3-turbo。
Zipformer Japanese 默认专项模型 Japanese 日语默认 基于 ReazonSpeech 的日语专项离线模型。
Zipformer Korean 默认专项模型 Korean 韩语默认 韩语专项离线模型。
X-ASR zh-en 960ms 实验模型 中文、English、粤语、中英混输 中文 / English 可选实验项 实验性中英流式模型，用于评估更低延迟和未来“边说边出字”体验。

快速开始

用户

  1. 从项目 Releases 页面下载最新版本
  2. Windows：解压到任意目录，双击 privatevoice.exe
  3. macOS：打开 .dmg，拖入 Applications，首次启动需授予辅助功能权限
  4. 首次启动自动下载语音模型（~200 MB）
  5. 就绪后，在任意输入框中按住 右 Ctrl（macOS: 右 Command）说话，松开即输入

开发者

# 环境要求
# - Go 1.22+
# - Node.js 20+
# - CGO 编译器 (Windows: LLVM MinGW UCRT, macOS: Xcode Command Line Tools)

# 克隆
git clone <PrivateVoice 仓库地址>
cd PrivateVoice/privatevoice.src

# 安装前端依赖
cd frontend && npm install && cd ..

# 开发模式
wails3 dev

# 生产构建 (Windows)
windres privatevoice.rc -o privatevoice.syso
CGO_ENABLED=1 go build -ldflags "-H windowsgui -s -w" -o privatevoice.exe .

# 生产构建 (macOS)
CGO_ENABLED=1 go build -o privatevoice .

使用方法

  1. 系统托盘出现 PrivateVoice 图标，引擎加载完成后就绪
  2. 长按模式：按住快捷键说话，松开即识别并粘贴
  3. 自由说话：短按一下开始，连续说话，再短按一下停止
  4. 取消录音：录音中按 Esc
  5. 右键托盘图标可打开设置或退出

运行文件

Windows:

文件 大小 说明
privatevoice.exe ~15 MB 主程序
onnxruntime.dll ~15 MB ONNX Runtime
sherpa-onnx-c-api.dll ~4 MB sherpa-onnx C API
sherpa-onnx-cxx-api.dll ~248 KB sherpa-onnx C++ API
models/sensevoice/ ~200 MB 语音模型（首次自动下载）

macOS:

文件 大小 说明
PrivateVoice Dictation.app ~15 MB 应用包（含 dylib）
models/sensevoice/ ~200 MB 语音模型（首次自动下载）

项目结构

privatevoice.src/
├── main.go               # 入口：单实例 + Wails 启动
├── app.go                # 编排：热键 → 录音 → 识别 → 粘贴
├── internal/
│   ├── audio/            # malgo 录音 + 设备枚举
│   ├── engine/           # sherpa-onnx 推理
│   ├── hotkey/           # 全局热键轮询
│   ├── input/            # 剪贴板 + 粘贴 + 剪贴板保护
│   ├── config/           # JSON 配置
│   ├── history/          # 识别历史（JSON 持久化）
│   ├── textproc/         # 中英混合文本后处理
│   ├── sound/            # 录音音效（合成 WAV）
│   ├── overlay/          # 浮动指示器（Win32 GDI+ / macOS AppKit）
│   └── ...
├── services/             # Wails 服务（前端绑定）
└── frontend/             # Svelte + Vite
    ├── src/components/   # 设置窗口 + 指示器
    └── src/lib/          # stores + i18n

技术栈

组件 技术
桌面框架 Wails v3
前端 Svelte 5 + Vite + TypeScript
音频录制 malgo (miniaudio)
语音识别 sherpa-onnx (SenseVoice)
全局热键 Windows: GetAsyncKeyState 轮询 / macOS: NSEvent + CGEventSource
文字输入 Windows: 剪贴板 + SendInput / macOS: 剪贴板 + CGEvent
浮动指示器 Windows: GDI+ Layered Window / macOS: AppKit + CoreGraphics
音效 程序合成 WAV + 平台原生播放

许可证

MIT License

致谢