edit | blame | history | raw

VoiceSnap 语闪

长按说话，松手即输 —— 离线 · 极速 · 跨平台

VoiceSnap 语闪

VoiceSnap 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

快速开始

用户

  1. 从 Releases 下载最新版本
  2. Windows：解压到任意目录，双击 voicesnap.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 https://github.com/vorojar/VoiceSnap.git
cd VoiceSnap/VoiceSnapGo

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

# 开发模式
wails3 dev

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

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

使用方法

  1. 系统托盘出现 VoiceSnap 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
voicesnap.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
VoiceSnap.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

VoiceSnapGo/
├── 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