From abb469859662c285fac758c042812e0da943728f Mon Sep 17 00:00:00 2001 From: Ariver <shanghai3168@gmail.com> Date: Thu, 02 Jul 2026 12:02:51 +0800 Subject: [PATCH] Create slim PrivateVoice2 handoff package --- README.md | 187 ++++++++++------------------------------------ 1 files changed, 40 insertions(+), 147 deletions(-) diff --git a/README.md b/README.md old mode 100755 new mode 100644 index 178f83b..a044eac --- a/README.md +++ b/README.md @@ -1,165 +1,58 @@ # 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`。 - + -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。 +## 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 -## 支持的输入语言 +- 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`。 -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。 +## 语言与模型状态 | 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。 | +| --- | --- | --- | --- | +| 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。 | -| 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 +## 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 <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 . +cd /Users/ar/Projects/PrivateVoice2/03-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 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 +## 目录 -## 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 - +```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 ``` -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](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 -- Gitblit v1.9.3