old mode 100755
new mode 100644
| | |
|---|
| | | # VoiceSnap 语闪 |
|---|
| | | # PrivateVoice |
|---|
| | | |
|---|
| | | > 长按说话，松手即输 —— 离线 · 极速 · 跨平台 |
|---|
| | | PrivateVoice 是一款离线语音转文字桌面 App：按住快捷键说话，松开后本地识别并输入到当前应用。当前源码位于 `C1.source/privatevoice.src`。 |
|---|
| | | |
|---|
| | |  |
|---|
| | |  |
|---|
| | | |
|---|
| | | 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。 |
|---|
| | | ## 当前迁移基线 |
|---|
| | | |
|---|
| | | ## 核心特性 |
|---|
| | | - 分支：`codex/x-asr-experiment-2.1.29` |
|---|
| | | - Commit：`0ffbf1935c9d091cce22a5583275ac0902f7a693` |
|---|
| | | - Tag：`v2.2.0-build20260702.0303-real-user-test` |
|---|
| | | - 包类型：真实用户测试候选包，不是 notarized 官网正式发布包。 |
|---|
| | | - 迁移后源码根：`C1.source/privatevoice.src` |
|---|
| | | - 最新候选包本地路径：`C2.builds/PrivateVoice-Dictation-2.2.0-build20260702.0303/` |
|---|
| | | |
|---|
| | | - **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 |
|---|
| | | ## 核心能力 |
|---|
| | | |
|---|
| | | ## 快速开始 |
|---|
| | | - 完全离线识别，模型本地推理。 |
|---|
| | | - 长按说话与短按自由说话两种输入模式。 |
|---|
| | | - 自定义快捷键、麦克风选择、录音音效、录音计时、Esc 取消。 |
|---|
| | | - 剪贴板保护、识别历史、用户词库、语气词过滤和中英混合文本后处理。 |
|---|
| | | - macOS 本地签名 DMG、Windows amd64 preview ZIP。 |
|---|
| | | - 当前 Round 6 已新增独立 `粤语` 语言选项，默认模型为 `SenseVoice Yue 2025-09-09`。 |
|---|
| | | |
|---|
| | | ### 用户 |
|---|
| | | ## 语言与模型状态 |
|---|
| | | |
|---|
| | | 1. 从 [Releases](https://github.com/vorojar/VoiceSnap/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 |
|---|
| | | | 输入语言 / 场景 | 当前支持状态 | 默认 / 可选模型 | 说明 | |
|---|
| | | | --- | --- | --- | --- | |
|---|
| | | | 中文 | 正式支持 | 默认 SenseVoice；可选 Qwen3-ASR；实验 X-ASR zh-en 960ms | 中文听写和中英混输主路径。 | |
|---|
| | | | 粤语 | 真实用户测试候选 | 默认 SenseVoice Yue 2025-09-09 | 独立语言 profile：`yue-HK`，engine 参数固定 `yue`。 | |
|---|
| | | | English | 正式支持 | 默认 Moonshine English；可选 Parakeet English；实验 X-ASR zh-en 960ms | 英文听写主路径。 | |
|---|
| | | | French / German / Spanish / Italian / Portuguese | 正式支持 | Parakeet TDT v3 | 欧洲五语离线识别。 | |
|---|
| | | | Japanese | 正式支持 | Zipformer Japanese | 日语专项模型。 | |
|---|
| | | | Korean | 正式支持 | Zipformer Korean | 韩语专项模型。 | |
|---|
| | | | Windows preview | 技术预览 | SenseVoice only | 非 SenseVoice 模型可见但禁用；Windows 包未签名。 | |
|---|
| | | |
|---|
| | | ### 开发者 |
|---|
| | | ## 开发入口 |
|---|
| | | |
|---|
| | | ```bash |
|---|
| | | # 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 . |
|---|
| | | cd /Users/ar/Projects/PrivateVoice/03-O/C1.source/privatevoice.src |
|---|
| | | npm --prefix frontend run build |
|---|
| | | go test ./... |
|---|
| | | ``` |
|---|
| | | |
|---|
| | | ## 使用方法 |
|---|
| | | 常用打包和 QA 命令见 `CODEGRAPH.md`、`K2.项目管理/QA地图.md` 和 `K2.项目管理/发布地图.md`。 |
|---|
| | | |
|---|
| | | 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 |
|---|
| | | ## 目录 |
|---|
| | | |
|---|
| | | ## 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 |
|---|
| | | |
|---|
| | | ```text |
|---|
| | | 03-O/ |
|---|
| | | ├── C1.source/privatevoice.src/ 源码根 |
|---|
| | | ├── C2.builds/ 本地迁移的最新候选包，二进制包不纳入 Git 提交 |
|---|
| | | ├── C3.tools/ 工具索引 |
|---|
| | | ├── K1.业务知识/ 成果地图和长期业务/技术知识 |
|---|
| | | ├── K2.项目管理/ QA、发布、迁移、handoff、legacy 资料 |
|---|
| | | ├── K3.运营与发布资料/ 当前运营资料索引和本地素材 |
|---|
| | | └── CODEGRAPH.md 人工工程地图 |
|---|
| | | ``` |
|---|
| | | 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](https://wails.io/) | |
|---|
| | | | 前端 | [Svelte 5](https://svelte.dev/) + Vite + TypeScript | |
|---|
| | | | 音频录制 | [malgo](https://github.com/gen2brain/malgo) (miniaudio) | |
|---|
| | | | 语音识别 | [sherpa-onnx](https://github.com/k2-fsa/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 |
|---|
| | | |
|---|
| | | - [SherpaOnnx](https://github.com/k2-fsa/sherpa-onnx) — 语音识别引擎 |
|---|
| | | - [Wails](https://wails.io/) — Go 桌面应用框架 |
|---|
| | | - [SenseVoice](https://github.com/FunAudioLLM/SenseVoice) — 语音模型 |
|---|
