VoiceInput

离线语音转文字输入工具。按住右 Ctrl，说话，松开——文字自动复制到剪贴板。

按住右 Ctrl → 说话 → 松开 → 随处粘贴

特性

本地推理 — Whisper AI 模型完全在本地运行，首次启动需联网下载模型（约 466MB），此后无需联网，数据不出设备
轻量分发 — 可执行文件仅约 15MB，下载即用，模型首次运行时自动下载（支持断点续传）
全局热键 — 在任何应用中按住右 Ctrl 即可语音输入，无需切换窗口
跨平台 — 支持 Linux、Windows、macOS
实时波形 — 录音时实时显示声音波形
中文优化 — 针对中文语音优化，支持中英混合，自动补全标点
系统托盘 — 后台静默运行，仅显示托盘图标
断点续传 — 模型下载中断后，重启自动继续

使用流程

按住右Ctrl  →  说话  →  松开右Ctrl  →  Ctrl+V 粘贴
     ┌────────────────────────────────────┐
     │  正在聆听... (实时波形显示)          │
     │  录音时长: 3.2s                     │
     └────────────────────────────────────┘
              ↓ 松开按键
     ┌────────────────────────────────────┐
     │  正在识别...                        │
     └────────────────────────────────────┘
              ↓ 识别完成
     ┌────────────────────────────────────┐
     │  你好世界这是语音输入测试            │
     │  已复制到剪贴板                     │
     └────────────────────────────────────┘

快速开始

下载

前往 Releases 下载对应平台的最新版本：

平台	文件	说明
Linux x86_64	`voiceinput`	需要 PulseAudio/PipeWire
Windows x86_64	`voiceinput.exe`	需要 WebView2（Win10+ 已自带）
macOS ARM	`voiceinput`	需要辅助功能权限

运行

# Linux / macOS
chmod +x voiceinput
./voiceinput

# Windows — 直接双击
voiceinput.exe

首次启动会自动下载 Whisper 语音模型（约 466MB），下载支持断点续传。

中国用户：自动检测系统语言，从 hf-mirror.com 下载（国内镜像，速度快）
海外用户：从 huggingface.co 下载
手动指定：在配置文件中设置 mirror = "cn" 或 mirror = "global"

使用

系统托盘出现麦克风图标
按住右 Ctrl — 弹出录音浮窗，开始说话
松开右 Ctrl — 自动识别语音
识别结果自动复制到剪贴板 — 在任意位置 Ctrl+V 粘贴

配置文件

首次运行自动生成，路径：

Linux: ~/.config/voiceinput/config.toml
Windows: %APPDATA%\voiceinput\config.toml
macOS: ~/Library/Application Support/voiceinput/config.toml

[hotkey]
trigger = "RControl"       # 触发键
min_hold_ms = 300          # 最短按住时间（毫秒）

[audio]
sample_rate = 16000        # 采样率（Whisper 要求 16kHz）
max_duration_sec = 60      # 最长录音时间（秒）
min_duration_ms = 500      # 最短录音时间（毫秒）

[whisper]
language = "zh"            # 识别语言: zh, en, ja 等
beam_size = 5              # Beam search 宽度
threads = 0                # 推理线程数，0 = 自动

[general]
log_level = "info"         # 日志级别: debug, info, warn, error
mirror = "auto"            # 模型下载镜像: "auto"(自动), "cn"(国内镜像), "global"(国际)

从源码构建

前置条件

工具	所有平台	说明
Rust	rustup.rs	稳定版工具链
LLVM/Clang	必需	编译 whisper.cpp 需要

Linux 额外依赖：

sudo apt install libwebkit2gtk-4.1-dev libappindicator3-dev \
  librsvg2-dev libasound2-dev libxdo-dev

Windows 额外依赖： 安装 Visual Studio Build Tools，勾选"使用 C++ 的桌面开发"。

构建

git clone https://github.com/YOUR_USERNAME/voiceinput.git
cd voiceinput

# 开发构建（首次运行自动下载模型）
cd src-tauri && cargo build

# 发布构建
cd src-tauri && cargo build --release

GitHub Actions 自动构建

推送 tag 即可自动构建三平台：

git tag v1.0.0
git push origin v1.0.0
# → GitHub Actions 自动构建 Linux/Windows/macOS
# → 产物自动发布到 GitHub Releases

也可以在仓库 Actions 页面手动触发构建。

技术栈

模块	技术
框架	Tauri 2.0（Rust 后端 + WebView 前端）
语音识别	whisper.cpp（通过 whisper-rs）
音频采集	cpal（ALSA/PulseAudio/WASAPI/CoreAudio）
全局热键	rdev（全局键盘钩子）
剪贴板	arboard
HTTP	ureq（模型下载）
模型	Whisper Small（约 466MB，MIT 许可证）

系统要求

项目	最低配置
CPU	4 核，支持 AVX2 指令集（2013 年后的 Intel/AMD）
内存	8 GB
硬盘	500 MB 可用空间
网络	首次启动需要联网下载模型
麦克风	任意音频输入设备
GPU	不需要（纯 CPU 推理）

许可证

MIT

FilesExpand file tree

README_CN.md

Latest commit

History