From fecea2c7a4ecc48b2354868894e78be361a2ccf1 Mon Sep 17 00:00:00 2001 From: Cw <cw@git.boborobots.com> Date: Sat, 04 Jul 2026 16:53:53 +0800 Subject: [PATCH] Fix Windows ASR model paths for non-ASCII users --- README.md | 164 ++++++++++++++---------------------------------------- 1 files changed, 42 insertions(+), 122 deletions(-) diff --git a/README.md b/README.md old mode 100755 new mode 100644 index 2d2e7a2..0eff77e --- a/README.md +++ b/README.md @@ -1,138 +1,58 @@ -# 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 -- Gitblit v1.9.3