-
Notifications
You must be signed in to change notification settings - Fork 1
Version History
LeonXu edited this page Aug 18, 2026
·
37 revisions
本版没有新功能，是一次覆盖全仓的缺陷清查：自 v1.10.0 起 109 次提交、167 个文件，逐模块 review → 修复 → 复审直到无 P2+，自动化测试增至 896 项。
- 最低系统从 macOS 11.0 提升到 macOS 13.4：随包的 ONNX Runtime 本就要求 13.4，而工程一直声明 11.0，等于对 11.0–13.3 的用户承诺了一个跑不起来的组合。13.4 以下请留在 v1.10.0
- 升级流程命令注入（P0）：远端返回的版本号被原样拼进升级脚本，含引号即可执行任意命令，且发生在签名校验之前。现两个版本来源统一收口，只放行纯数字三段版本号
- 云账户导出写出明文密钥（P0）：v1.9.0 的「导出排除密钥」只覆盖了配置备份，云账户导出这条同源路径漏了。现只导出字段名清单，值由用户导入后重填
- 云账户增删改可能根本没落盘：初始化未完成时写入静默变成空操作，界面显示保存成功、重启后改动消失。现写操作先等加载完成并按成败提交，失败回滚
- 模型「安装成功」可能是假的：此前只要包内有 tokens 文件就算装好。现按模型类型校验实际需要的文件组合，暂存解压后原子替换，中断可恢复
- 导出的诊断日志里没有错误日志：只在设过自定义日志目录时才收集应用日志，没设过的用户导出来是空的
- 导入配置失败会留下半套配置；云账户加载失败无声（页面空白 / 被吞成「导入 0 条」）
-
云端识别经常丢掉最后一句：阿里云
stop()只固定等 500ms，服务端收尾稍慢最后一段就没了；讯飞 / 腾讯 / 火山写死 5 秒与自身声明的 6 秒预算对不上，超时会连已识别文本一起丢弃 - 上一段录音的识别结果串到下一段：5 个云端引擎每次开始录音都新建连接，但旧监听从不取消，迟到帧会改写当前文本、提前结束新会话甚至关掉新连接
- 切换识别引擎失败后按快捷键毫无反应：失败时只改回配置，引擎已被释放且零提示。现回滚连引擎一起重建
- 蓝牙耳机连接瞬间界面卡顿（设备回调里做全量枚举阻塞主线程）；麦克风切换失败仍报成功；「蓝牙麦克风提醒」开关重启后自己回来
- 润色中断会把文档写成两倍：打字机模式边收边粘，网络断开时兜底逻辑无条件再吐一遍原文，留下「半段润色 + 完整原文」
-
<think>标签被直接打进输入框：流式路径缺少清理，逐字返回会把标签切成两半。现用状态机逐段过滤
- 剪贴板原本为空时注入的文字会永久残留；注入失败不再静默；注入进行中拒绝执行复制，避免抹掉用户刚按的 Cmd+C
- 检查更新失败会被呈现成「已是最新」；同版本号的修复包收不到提示（此前不比 build）；断点续传可能把半个包当完整包；升级重启后可能 App 退了更新却没起来
- macOS 上所有 SnackBar 提示都是坏的，其中「导出 / 导入配置」整个功能坏死（调用写在按钮响应第一句，必抛异常，对话框根本弹不出来），另有 8 处提示静默丢失；聊天页「复制」是空函数、「存为笔记」不看成败
- 英文界面不再中英混杂（云账户页 23 处、聊天页 17 处及主 UI 硬编码中文清零，清掉 40 个过期条目）；系统权限说明随包提供中英文
- 默认模型随包内置：安装包 50MB → 约 212MB，但省掉首启 229MB 下载与失败风险，用户总下载量基本不变
- 超能力从 5 个减到 3 个：保留闪念笔记 / AI 梳理 / 即时翻译，移除纠错反馈与 AI 一键调试（代码净减 1663 行）
- 不再需要「屏幕录制」权限：授权项从 4 项降到 3 项
- 云账户页默认只展示常用服务商，其余收进「更多服务商」
- 云端识别模式此前完全不可用：切到云端按快捷键无反应，日志指向早已废弃的阿里云 NLS 旧版。根因是走云账户体系要求用户显式选过 ASR 账户，多数人从未主动选择
- 界面显示的服务商与实际连接的不一致，且「已选中」从不落盘（UI 与引擎各写了一套回退逻辑）
- 火山引擎 ASR 自接入起从未跑通：二进制帧解析漏了序列号字段，识别结果永远为空；服务端错误帧也被静默吞掉
- Kimi 账户 100% 调用失败（K 系列只接受 temperature=1）；默认模型换为 K2.6，中位耗时 13.0s → 6.8s
- DeepSeek 旧模型别名已停用，自动迁移到 V4-Flash
- 翻译模式下无法切换识别引擎；引导页「现在试一次」按快捷键无反应；说话中途被误报「未检测到声音」
- Flutter 应用完全收不到注入的文字：合成的 Cmd+V 缺少 Command 键自身的按下/抬起与设备标志位
- 清理工作模式简化遗留的"智能模式"文案：v1.9.0 将"智能模式"降级为独立「AI 润色」开关后，识别引擎页仍有两处引用已不存在的"智能 / Smart 模式"：① 开启 AI 润色做翻译时横幅仍误报"请切换到「智能模式」"；② "Smart 模式需在 AI Plus 配置 LLM"。现修正为按 AI 润色开关状态判断显示、文案统一为「AI 润色」
- 工作模式简化为「本地 / 云端」+ 独立「AI 润色」开关：此前三模式（离线 / 智能 / 云端）中"智能"实际只是"离线识别 + AI 润色"、并非自动选择，容易让人误以为系统会自动判断网络/隐私/延迟。现简化为两个识别模式（本地 / 云端），AI 润色升级为可独立开关、可叠加在任一模式上。旧"智能"用户自动迁移为「本地 + AI 润色开」，无感知
- 超能力入口合并：设置侧栏的 5 个超能力入口（闪念笔记 / AI 梳理 / 即时翻译 / 纠错反馈 / AI 调试）合并为单一「⚡超能力」入口，一页展示，减少侧栏层级
- 删除当前使用的模型不再卡住：删除正在使用的识别模型时自动切换到其他已下载模型，不再留下悬空状态（此前需重启才能恢复）
- LLM 模型与账户绑定：切换 LLM 服务商时不再误把上一个服务商的自定义模型名带过去
- 云端识别失败不再显示"无语音"：OpenAI / Groq / 阿里云 NLS 在鉴权失败、欠费、网络错误时显示真实错误提示，而非误导性的"未检测到语音"导致用户反复重试
- 自更新安全加固：① 原子安装——先复制新版到临时位置、校验通过后再替换，失败自动回滚，不再"先删旧版再复制"（复制失败会丢失 app）；② 安装前强制校验代码签名（Developer ID + Team ID + Bundle ID），来源被篡改则拒绝；③ 下载增加超时；④ 关于页新增安装完成态入口
- 配置导出默认排除密钥：导出配置默认不含 API Key / AccessKey 等凭证（可手动选择包含）；更新云账户时清理已移除的残留凭证
- 阿里云 token 接口改用 HTTPS
- Gateway
/stats运营数据接口加管理员鉴权、补齐 CORS，鉴权改为 fail-closed（修复ADMIN_SECRET未配置时管理端点裸奔的隐患） - 关闭详细日志时释放日志文件句柄与定时器
-
LLM 默认兜底走推荐优先级，避开豆包 lite：
selectedLlmAccountId失效或为空时回退到账户列表第一个（一般是火山豆包 lite）。豆包 lite 对 prompt 元评论禁令服从性差，模糊语音输入下会输出"这段文本不太清晰…仅供参考…"等多余解释段落（实测 63 字 ASR → 342 字 LLM 输出，含 280 字元评论）。新增pickRecommendedLlmAccount()helper 按 [DeepSeek > Anthropic > OpenAI > 智谱 > 阿里云百炼 > Kimi > Gemini > MiniMax > 火山 > Groq > 讯飞] 顺序兜底已配 API key 的账户 - LLM 模糊语音输入加禁止元评论：system prompt 第 5 条扩写：禁止任何解释/评论/建议/追问/Markdown/标签或引号包裹；含两个 few-shot 示例。跨模型通用约束
- Dock 图标点击恢复窗口 + 托盘 Quit 真退出：Dock 图标点击不再无响应；托盘 Quit 真退出（此前只 hide）
- DeepSeek V4 默认关 thinking mode：V4 升级后默认开 thinking 导致 LLM 调用慢一倍，关掉恢复正常性能
- 设置 sidebar「前往账户中心配置」跳转修复：此前点击无反应；sidebar 同步加云账户入口
- DeepSeek 升级到 V4 系列：DeepSeek V4 Flash（推荐，1M 上下文）/ V4 Pro 双预设
- 引入 AGENTS.md 文档体系（4 层结构）：根 AGENTS + 6 个子模块 AGENTS + 5 个 ADR + 6 个反模式归档
-
AX Probe Phase 0 探针：
tools/ax_probe/独立 Swift menu bar app，全局 F19 dump 当前焦点 AX 上下文。Context-Aware Voice (v1.9 规划中) 的能力探测工具
-
设置 → 识别引擎 页面布局重排
- "语言设置"单卡拆成"输入语言"和"输出语言"两张并列卡，移到模式选择上方（语言决定后续模型语种，逻辑上应先选）
- 模型卡片改为高级开关二态切换：关显示「当前模型」信息卡，开显示「非流式模型库」操作大卡。之前两张卡同时显示且标题撞名（都是"非流式模型（高精度）"）易混淆
- 通用页权限卡加授权状态徽标：辅助功能 / 输入监听 / 麦克风 / 屏幕录制 4 张卡现在显示「已授权 / 未授权」徽标，无需切到系统设置才能确认
-
录音 WAV 调试文件只剩 0.2s 残尾：
save_recording_wav之前用ringReadPos算起点，ASR 流式消费 ring buffer 后 readPos 已追上 writePos，保存出来只剩最后一个 chunk。改用独立recordingStartPos记录录音起点后保存完整音频- 仅影响开发者模式下的
~/Library/Application Support/com.speakout.speakout/recordings/调试文件，不影响 ASR 识别本身
- 仅影响开发者模式下的
- 断点续传：下载中断后重试从断点继续（HTTP Range: bytes=N- + append 写入），不再每次重下 53 MB
- Content-Length 大小校验：防文件截断
- 失败时保留 partial：下次重试可续传
- failed UI 升级：pill 旁显示错误原因摘要（hover 看完整 errorMessage），额外提供「去下载页」逃生链接（一键跳转浏览器手动下载）
- 工程：install.sh 不再自增 build + 同步 gateway（职责归 create_styled_dmg.sh）
- 自动更新 DMG 重复下载：DMG 路径带版本号、启动时扫描已有缓存、下载防并发、清理旧版本缓存（此前每次点「下载更新」都重下 53 MB，Surge 监控显示过 11.95 GB 累计浪费）
- 通用页权限段新增「屏幕录制」卡：AI 调试必需，之前只列了 3 个
- AI 调试页屏幕录制权限前置检查：未授权时显示橙色警告横幅 +「打开系统设置」按钮（此前漏给此权限会静默导致绑定目标窗口只有 App 名没窗口标题）
- 修复：v1.8.1 引入的「安装并重启」在用户已手动开过 DMG 时回退到手动拖
-
Root cause：helper 脚本
awk '{print $NF}'解析含空格的/Volumes/SpeakOut 1只取到"1"，find 不到 .app -
新逻辑：hdiutil -plist + grep
<string>/Volumes/...</string>+ 启动前预清理 + 详细日志（~/Library/Logs/speakout-updater.log）+ NSTask 输出也写日志 ⚠️ 老用户首次升 v1.8.2 仍可能触发 bug（修复在新版代码里），手动拖一次后下次再升级就稳了
- 设置 → 概览检测到新版后显示「下载更新」按钮，支持后台下载（带进度条）+「安装并重启」一键升级（之前需手动去 GitHub 下载）
- 状态化 UI：橙色「下载更新」→ 蓝色「下载中 X%」→ 绿色「安装并重启」→ 失败可「重试」
- 专业词汇标注 Beta：标题旁加橙色徽章 + 关闭状态显示「试验性功能，准确率因 LLM 模型而异」
- 横 5-Tab → 左侧 Sidebar：概览 / 通用 / 识别引擎 / AI Plus / 词典 / 5 个超能力 / 开发者选项，按功能分组
- 概览页：App 图标 + 版本 + 检查更新置顶，4 个核心功能卡片直达
- 通用页三合一：快捷键、基础设置、系统权限合到一页，按使用频率排序，权限缺失橙色警告横幅兜底
- 录制 Modal：弹窗式录制，8s 倒计时 + 实时按键预览，ESC 取消
- 冲突检测：实时检查与所有功能键冲突
- 每个键旁 × 清除
- 单击说话(Tap to Talk)：原"单击切换 (Toggle)"改名
- 最大录音时长：单击说话未主动停止时自动结束（1/3/5/10 分钟）
- 闪念笔记 / AI 梳理 / 即时翻译 / 纠错反馈 / AI 调试 各独立成页
- Hero 常驻：启用前后位置不变，禁用时显示 3 条功能 bullets
- LLM 单下拉合并：服务商 × 模型平铺为一个下拉，每服务商末尾"自定义..."项
- 一键导出日志包：系统日志 + 应用详细日志 + 诊断信息打包为 zip（报 bug 时一个文件搞定）
- 模型目录挪到末尾
- 旧 5-Tab 设置页移除，sidebar 唯一入口
- 140+ i18n key 补充
- 测试 598 全过
-
长按 modifier 键瞬时断开修复：长按 Right Option / Left Option / Shift / Command / Fn 等 modifier 作 PTT 键时，录音约 600ms 后自动断开、悬浮窗只闪一下
- 根因：watchdog 用的
CGEventSourceKeyState对 modifier 键不可靠，连续 3 次误报为"已松开"即强制停止 - 修复：
check_key_pressed对 modifier keyCode 改用CGEventSourceFlagsState+ device-specific mask（NX_DEVICELALTKEYMASK 等），与 FlagsChanged handler 保持一致，能正确区分 Left/Right modifier
- 根因：watchdog 用的
- 热键体验大改进：修复组合键设置失败（Cmd+K 被错识别为 Left Command）；运行时精确匹配，Cmd+K 和 Option+K 独立；每个热键旁加 × 清除按钮；主页录音取消按钮
- 按键名映射补全：显示 "K" 而不是 "Key 40"
- 权限诊断：分别诊断输入监控 / 辅助功能，精确告知缺哪项；从系统设置返回基于真实权限状态自动恢复；引导页权限跳转后轮询检测
- 闪念笔记冲突误报修复：主开关关闭后 toggle 键不再被算作占用；冲突弹窗改用真实功能名
- 纠错反馈去重：词库按 wrong 字段去重；导入按 timestamp 去重（含同批次）
- 图标修复：补全 icns 的 10 个尺寸，Finder 列表/系统权限列表不再糊
- 工程质量：flutter analyze 55 → 0 issues，新增 30 个热键语义测试
- AI 一键调试: 按住快捷键截屏+语音描述 → 自动发送到绑定的 AI 编程工具窗口
- 支持多窗口绑定（最多 5 个），基础按键 + 数字键快速选择
- 采集前台 App 名称和窗口标题，报告包含截图路径+文字+环境信息
- 超能力 Tab UI 优化：卡片最小高度、双列快捷键一览、描述文案
- install.sh 热替换，开发中不中断运行
- 预分段优化：每段 ≥30s 才分段，保持 ASR 最优识别区间
- PTT/Toggle 允许共键 + 默认键改 Right Option
- 通用 Tab 下拉框宽度统一 + 语音输入布局优化
- 全新翡翠绿主题配色（深色 #00B074 / 浅色 #009660）
- 窗口 800×600 → 960×720
- 设置页重构：水平 Tab（通用 | 语音输入 | ⚡超能力 | 云账户 | 关于）
- 卡片化双列布局，消灭留白
- ⚡超能力 Tab：闪念笔记/AI 梳理/即时翻译/纠错反馈 四功能独立展示
- 云账户预置所有服务商，新用户不再空白页
- 聊天页改为时间线布局（日期分组 + 时间轴）
- 预分段识别：3s 停顿后台解码，减少最终等待时间
- 修复闪念笔记目录警告 bug + 云账户排序崩溃
- 语音纠错反馈：一键纠错学习词汇 + 纠错数据导出/导入
- 云服务账户导入/导出
- 内存泄漏修复（6 处）
- 模型解压改全流式（避免大模型 OOM）
- DMG 改用 Developer ID 签名 + Apple 公证（无 Gatekeeper 警告）
- AI 润色标签可点击跳转聊天页查看对比
- Watchdog 连续 3 次确认减少误判
- 版本分布匿名统计
- 快捷键修复：翻译优先级提升、闪念笔记关闭时 toggle 不拦截、冲突检测只查已启用功能
- 自动更新修复：DMG URL 改走 Gateway（私有仓库兼容）
- 通用设置新增系统权限快捷入口、关于页间距优化
- App Store 双渠道编译适配
- 即时翻译快捷键：按住说话自动翻译为目标语言，不影响正常录音
- 应用内自动更新：点击横幅下载 DMG → 安装并重启，无需手动操作
- 全局快捷键一览面板 + 智能冲突检测（已关闭功能不阻止、重新启用自动清除）
- 签名切换到付费开发者账号
- ASR 模型大扩展：15 款实测、8 款精选上架，按推荐度排序
- 标点模型自动联动、模型激活失败回滚、LLM 润色三态标签
- 日志目录修复、i18n 统一"非流式模型"、sherpa-onnx SDK 1.12.33
- ASR 模型对比 Wiki 页面上线
- 主界面「✨ AI 润色 · 精简 X 字」标签、聊天页 ASR vs LLM 对比详情、日志完整记录
- 音频设备插拔自动刷新、切换内置麦克风按钮修复、蓝牙警告仅在系统默认时显示
- AI 梳理 — 选中任意文字按快捷键，AI 深度重组逻辑、专业化表达，结果追加在原文下一行
- LLM 选型推荐（DeepSeek + 阿里云百炼）、讯飞未验证警告
- 闪念笔记紫色悬浮窗、配置导出/导入、凭证可见性切换、离线模型30秒提醒
- 火山引擎 ASR 新版单 Key、MiniMax URL 修正、LLM 超时调整
- LLM 性能对比 Wiki 页面上线
- 讯飞 LLM 凭证修复、云端 ASR 多语言过滤、删除账户清理选择、测试隔离修复
- 常量集中管理（~25 个）、开发者录音保存、ring buffer 扩容
- 图标 squircle 圆角：所有 macOS 版本显示统一圆角
- 静态分析完全清零，531 测试稳定全通过
- 安全整改：凭证迁移到系统 Keychain，日志隐私治理（独立第三方评审 4 轮通过）
- 新增 3 个云端 ASR：火山引擎 Seed-ASR、讯飞实时听写、腾讯云实时识别
- LLM 15 秒超时保护、AppLog 异步日志、Gateway 版本自动同步
- 静态分析 warning 清零，531 测试通过
- 文本注入改为剪贴板粘贴：解决微信等重 UI 应用长文本丢字问题，剪贴板 200ms 后自动恢复
- 语言设置移入工作模式 tab：输入/输出语言与模式选择所见即所得
- 口译模式联动：输出语言≠输入时，自动灰掉不支持翻译的离线/云端模式
- 新增 5 种语言：西班牙语、法语、德语、俄语、葡萄牙语（输入输出均可选）
- 模型列表按输入语言过滤；语言文案优化（"自动检测"/"跟随输入语言"）
- 修复录音卡死：stopRecording try/finally 保证状态恢复
- 修复 OpenAI ASR 语言硬编码：不再强制中文，动态读取输入语言
- 云端 ASR 超时修复：stop() 改为等待 task-finished 事件（最多 4s），修复说完话偶发空结果；CoreEngine 超时从 2s 放宽到 6s
- 云端 ASR 修复：DashScope 模型名修正为
paraformer-realtime-v2，错误信息正确显示在悬浮窗 - LLM 修复：AI 润色模型选择生效；测试按钮正确读取账户凭证
- 新增：云服务账户编辑对话框"测试连接"按钮，保存前验证 LLM 可用性
- 新增：开启闪念笔记时自动检测目录写入权限，失败时显示警告并引导授权
- 服务商更新：修正 Groq/智谱/Gemini/火山引擎的模型 ID 和价格
- 修复 Left/Right 修饰键误触发：用 device-specific masks 区分左右修饰键，修复录音卡死 bug
- 组合键热键支持：设置时自动捕获修饰键组合，如 "L.Cmd + Right Option"
- 更新提示持久化：主界面左下角常驻橙色横幅，关于页显示下载按钮，不再 10 秒自动消失
- 工作模式统一：合并"语音模型"和"AI 润色"为"工作模式" tab，三种模式一键切换（纯离线/智能/云端）
- 亮色主题适配：sidebar 跟随系统主题、文字可见性修复、模式差异化颜色
- 关闭最小化到托盘：点击关闭按钮隐藏到系统托盘，后台继续运行
- 静默检测：录音 2 秒无声时在悬浮窗+主界面柔性提醒，全程监测含冷却期
- 热键冲突防护：文本注入与闪念笔记不允许使用相同热键
- 终端打字机兼容：检测到终端应用时自动跳过逐批注入，避免吞字
- DMG 打包优化：装载前自动卸载旧卷
- 音频波形可视化：随机动画 × 实时 RMS 音量，悬浮窗+主界面同步
- 主界面显示版本号
- 打字机效果描述文案优化
- 音频设备选择后 UI 立即更新
- AI 润色重构：词典从硬替换改为 LLM 上下文注入
- 独立 AI 润色 Tab + 专业词汇 TSV/CSV 导入导出
- 移除音近匹配/lpinyin
- 跨平台架构 (macOS/Windows/Linux) + CI/CD
- 模型手动导入：下载失败时可选择本地
.tar.bz2文件导入 - 设置页未下载模型增加「导入」按钮 + GitHub 直链图标
- 引导页下载失败增加「导入」按钮 + 「手动下载」链接
- ModelManager 提取公共解压方法，新增
importModel - 原生层新增
pickFile文件选择器 - i18n 新增 4 个键
- FN 键 Toggle 模式无响应修复：macOS 26 双事件双向去重
- Toggle keyUp 守卫防止 PTT 误停
- 设置页分类重组：通用精简 + 新增「触发方式」tab
- 文本注入加括号说明「（输入法）」
- ASR 去重 i18n 翻译
- 关于页技术栈更新
- Toggle 模式：单击切换录音
- 双 Toggle 快捷键（文本注入 + 闪念笔记）
- 共用键智能判定
- 最大录音时长保护
- 测试体系扩展至 134 个用例
- 引导页全量 i18n (~40 个字符串)
- 设置页模型列表 l10n
- 下载超时保护 + 自动重试
- 长时间运行崩溃修复
- 闪念笔记修复 + 语音优化