Latest build (main, 2026-09-11 18:44:18 UTC+8)

构建开始 2026-09-11 18:44:18（UTC+8） · 提交 2026-09-11 18:43:38（UTC+8） · commit f318ac4 · v1.1.4

1.1.4

MiMo ASR Assistant v1.1.4 发布说明

2026-08-07 | 音频解码引擎切换版本

本说明逐条对照当前代码/diff 核验，不保留「代码未实现/已被替换但文档宣称已完成」的条目。

---

核心变更：改用精简 ffmpeg 实现音视频通吃，取代有限支持的 Rust 自实现

问题背景：此前音频解码依赖纯 Rust 自实现（symphonia + rubato + hound）做「输入容器 → 解码 → 重采样 → PCM」的逐采样管线。该方案对解码器支持面有限（仅覆盖部分常见编码），对扩展容器/编码组合常解析失败，且重采样等密集计算在纯 Rust 慢路径下性能受限。

本次变更：音频解码整体切换到捆绑的精简 ffmpeg.exe（FFmpeg 9.0 --disable-everything 精简构建）作为外部进程，实现音视频通吃：

• 输入通吃：WAV / MP3 / M4A / FLAC / AAC / OGG 等音频，以及 MP4 / MKV / MOV / AVI / FLV / TS 等视频容器——统一经 ffmpeg 提取音轨并转码为 16kHz / mono / 16bit WAV。
• 取代 Rust 自实现：symphonia / rubato 依赖移除（Cargo.toml 不再声明），原 src-tauri/src/ffmpeg/mod.rs（纯 Rust 解码管线）删除，由 src-tauri/src/ffmpeg_exe.rs 接管。
• 纯 Rust WAV 切片保留：WAV 域切片/解析仍由 wav_codec（纯字节操作，零解码依赖）完成；WAV 文件走直接切片快路径，非 WAV 先经 ffmpeg 归一为 WAV。
• 完整性门禁：resources/ffmpeg.exe 与 ffmpeg.exe.sha256 入库，build.rs 编译期 SHA-256 fail-closed 门禁 + 运行时 FfmpegBin::resolve 二次校验。
• 静默运行：ffmpeg 以 CREATE_NO_WINDOW 后台运行，无黑窗口；stderr 独立线程抽干，主线程轮询 try_wait + 取消/超时检查，Windows 上用 taskkill /T 杀进程树。
• 无网络能力：精简构建禁用网络协议，转码全程本地，不上传任何数据。

注：v1.1.3 说明中「convert_to_wav 分段解码」「Channel buffer 8→4」等针对旧纯 Rust 解码管线（symphonia/rubato）的优化条目，已随解码整体迁移到捆绑 ffmpeg.exe 而移除，不再适用于当前代码。

其他更新

• Markdown 实时渲染修复（延续 v1.1.3 持续优化）：转写/规整结果改为实时按内容判定渲染（needsMarkdownParsing），修复「任务完成后 Markdown 仍原样显示」；流式输出时 # 标题 换行即渲染为标题、**加粗** 即时生效。移除已无用的 fileRenderMode/getRenderMode/resetRenderMode/finalizeRenderMode 死代码。
• 导入后选中修复：导入文件后用新文件 UUID 选中（此前误用磁盘路径作 selectedFileId，导致工作区恒空）；selectFile 增加 ID 存在性校验。
• 滚动智能跟踪：滞回（deadband）双阈值，追踪中滚离底部超 60px 才关闭、回滚至 8px 内才重开，修复「跳转到底部」按钮滑动时闪烁。
• 提示词上下按钮：设置页上移/下移按钮宽度由 28px 缩窄为 17px（原宽度五分之三）。
• 精简诊断日志：移除逐 chunk 诊断日志，转写与规整不再刷屏；关键日志仍落盘。
• release 文档收纳：历史 RELEASE_v*.md 统一移入 release说明文档/ 目录，该目录加入 .gitignore（不追踪）。

版本号

index.html, package.json, package-lock.json, Cargo.toml, Cargo.lock, tauri.conf.json → 1.1.4

v1.1.3

MiMo ASR Assistant v1.1.3 发布说明

2026-07-10 | 工程优化版本

---

可维护性

• Base64 编码去重：audio/mod.rs 和 dpapi.rs 中的重复 Base64 实现提取到 src-tauri/src/base64.rs，两处引用同一份代码
• 重试逻辑统一：三处独立的 retry loop 收归 api/mod.rs（transcribe_with_retry / chat_with_retry），消除参数不一致风险

性能

• SSE buffer 优化：parse_sse_stream 中用 drain/consumed 模式替代 buffer = buffer[N..].to_string()，消除长流场景下的每行堆重分配
• slice_wav 快路径：16-bit PCM 切片跳过 hound 逐采样写入，直接构造 WAV 头 + dump 原始 PCM 字节，切片速度提升 3-5x
• convert_to_wav 分段解码：全量解码积累（60 分钟 44.1kHz 立体声 ≈ 1.27GB）改为 30 秒分段解码（峰值 ~7MB），余料结转确保无音频丢失
• Channel buffer 8→4：内存峰值减半
• Markdown 三层渲染：纯文本快速路径（escapeHtml 跳过 marked.js）+ 150ms debounce 聚合 + marked.js 兜底，流式场景 CPU 开销降低 ~90%
• 规整可中断：规整中按钮变为"停止规整"，点击即取消后台任务，不再需要被动等完整结果

边界条件修复

• 音频尾部阈值 1.0→0.2s：短音频（1.5s）最后 0.5s 不再丢失
• chunks_exact(2)→chunks(2)：防御计算误差导致的尾部字节静默丢弃
• load_config 损坏保护：JSON 解析失败时备份原文件为 config.json.bak 并输出 error 日志，不再静默降级为默认配置
• 文件导入去重：同一 path 的文件重复导入时 toast 提示，不再添加重复条目
• Markdown 行间距修复：white-space: pre-wrap 仅纯文本模式生效，修复 Markdown 内容 5-7x 行高问题
• 类型安全：移除 4 处不必要的 as any

版本号

index.html, package.json, Cargo.toml, tauri.conf.json → 1.1.3

v1.1.2

MiMo ASR Assistant v1.1.2

新功能

自定义 OpenAI 兼容服务商

• 规整功能新增"自定义服务商"选项，支持任意 OpenAI 兼容的 API（如 OpenRouter、硅基流动、自建代理等）
• 点击"添加自定义服务商"打开独立弹窗，填写服务商名称、Base URL、API Key
• "获取模型列表"按钮调用 GET /v1/models 端点，自动获取所有可用模型
• 复选框多选模型，支持全选/取消全选，保存到 config.json
• 选择自定义服务商后显示单独的"规整模型"下拉菜单，和内置服务商样式完全一致
• API Key 通过 Windows DPAPI 加密存储，安全可靠
• 点击服务商名称选中，点击编辑按钮修改配置，点击删除按钮移除

改进

视觉优化

• 恢复主题按钮完整样式（跟随系统/亮色/暗色），选中状态增加阴影效果
• 导出下拉框宽度缩减到 100px（原 120px 的 5/6）
• 导出下拉框 z-index 提升到 200，防止被左侧文件栏遮挡
• 添加自定义服务商按钮的圆角统一为 6px，和内置选项样式一致
• 设置弹窗动画恢复（scale(0.96) + opacity，和语言选择弹窗一致）
• 删除按钮样式和关闭按钮完全一致（28x28px），hover 显示背景框

交互改进

• 更新模型列表后自动回退到第一个模型，防止选中模型在新列表中消失导致留空
• 自定义服务商的字体、大小、排版完全和内置服务商（DeepSeek/MiMo）一致

Bug 修复

• 修复设置菜单无法关闭的问题（v-show 与 Transition 冲突导致关闭事件无法传播）
• 修复设置弹窗动画丢失（Transition 未正确触发）
• 修复更新模型列表后选中模型留空的问题
• 修复自定义服务商字体/样式和内置服务商不一致的问题
• 修复导出下拉框被左侧文件栏边框遮挡的问题
• 修复添加自定义服务商按钮的高亮背景边框不规则（上面直角下面圆弧）
• 修复设置弹窗 padding 导致选项边框不规则的问题

技术改进

• 新增 fetch_custom_models Tauri 命令，支持 GET /v1/models 请求和智能 URL 候选
• 移除死代码 encodeCustomPolishValue/decodeCustomPolishValue，简化数据存储格式
• polishProvider 格式从 custom_{providerId}{model} 简化为 custom{providerId}
• 18 个文件修改，1172 行增加，53 行删除

v1.1.1

MiMo ASR Assistant v1.1.1

新功能

暂停 / 继续转写

• 转写过程中可随时暂停，当前正在接收的分片完成后停止，已转写文本完整保留
• 暂停后点击"继续转写"从断点分片继续，不重新切片，不丢失进度
• 四态转写按钮：转写（默认）→ 暂停转写（红色）→ 正在暂停（黄色）→ 继续转写（绿色）
• 暂停状态下可进行 AI 规整和导出操作
• 应用启动时自动清理遗留的临时切片文件夹

切片时长可配置

• 设置面板新增"切片时长"下拉菜单：10秒 / 30秒 / 60秒 / 150秒
• 默认 10 秒（原 150 秒），按需选择更短响应或更少分片
• 有转写/暂停任务时自动禁用修改，防止切片不一致
• 配置持久化到 config.json，重启保持

ASR 并发提升

• 并发数从 3 提升到 8，多文件同时转写速度显著提升
• RPM 滑动窗口（90 RPM）自动限流，不影响 API 限制

进度条重构

• 切片阶段不再贡献进度，进度条纯由 API 完成情况驱动
• 公式简化为 已完成分片数 / 总分片数 × 97%
• 分片阶段显示"准备中"文字，无进度条；首个 API 响应到达后切换为"转写中 XX%"
• 进度条以等间距跳跃前进，每步约 0.5%（200 分片时）

转写结果去重（API 侧）

• 经 Python 脚本独立复现确认：部分音频分片的重复输出为 MiMo ASR 模型行为，非客户端代码问题
• 客户端数据链路（切片→编码→传输）已通过日志验证全程无损

TagFilter 增强

• 新增对无 < 前缀的 think> 文本块的检测（逐字符状态机匹配）
• SkipContent 模式增加 5000 字符安全限，防止未闭合标签吞掉后续所有文本

其他改进

• 日志开关提示文字修正：移除"重启后生效"（实际已是实时生效）
• 切片时长设置项移至"转文字"分区（原错误放在"规整"分区下）

Bug 修复

• 修复继续转写时 API Key 使用错误字段导致 401 认证失败的问题
• 修复继续转写时进度条回退再跃进的问题（保留累积的 transcriptionChunks）
• 修复暂停后删除文件时临时目录未清理的问题
• 修复设置面板切片时长下拉框在有暂停文件时仍可修改的问题

v1.1.0

MiMo ASR Assistant v1.1.0

新增功能

任务取消机制

• 支持在转写/规整进行中移除文件，立即取消对应任务
• 转写、规整三个异步流程均支持优雅取消，不影响队列中其他文件
• 取消后静默退出，不产生错误提示

日志系统优化

• 新增日志全局开关，设置面板实时切换
• 精简冗余日志（前端 12→5 条，后端删除 10 条噪音日志）
• 统一输出格式：全部改为文件名标识，便于定位
• 日志开关状态持久化到 config.json

UI/UX 修复（9 项）

1. 导出菜单：点击导出项后立即关闭；切换其他操作时自动关闭
2. 设置弹窗动画：修复关闭时无动画的问题，背景渐变与面板缩放同步
3. 进度条准确性：公式改为上传 70% + 流式接收 30% 加权，不再提前到达 100%
4. 拖拽导入：左栏支持音频文件直接拖入，移除冗余守卫逻辑
5. 文本选中：转写结果支持鼠标选中复制
6. 底栏速度：删除冗余上传速度显示，保留输出字数/s，每秒自动刷新
7. 导出弹框：修复被父容器裁切的问题，改用 opacity+transform 动画
8. 自动滚动：转写中显示"跳转底部"按钮；向上滚动暂停自动跟随；切换文件重置
9. 横向溢出：修复文件列表横向滚动条问题

Markdown 渲染器重写

全部 13 项修复：

• 代码块/行内代码不再被标题、粗体等规则误匹配
• 多行引用合并为单个 blockquote，支持内部嵌套渲染
• 嵌套列表按缩进层级递归解析子列表
• 自动链接裸 URL（http/https/www）
• 新增：图片、粗斜体、任务列表、缩进代码块、转义字符支持
• 表格单元格内容支持行内格式渲染
• 斜体匹配改为单词边界，不再误触发变量名

设置面板

• 新增日志开关 Toggle 组件
• 提示文字样式优化：去掉边框和背景，改为纯灰文字

1.0.0

MiMo ASR Assistant v1.0.0

首个正式发布版本 — 本地音频转文字 + AI 规整增强工具

---

核心功能

• 语音转文字：导入 WAV/MP3/M4A 音频，FFmpeg 自动转码为 16kHz 单声道，按分片流式调用 ASR API，实时显示转写结果
• AI 规整：内置可自定义提示词，支持 MiMo / DeepSeek 等多个服务商，流式输出规整结果，双栏对比显示
• 多文件批量处理：独立进度追踪，文件切换无串扰，每个文件独立的转写/规整/导出操作
• 实时状态栏：模型信息、上传速度、输出速度、Token 统计、已完成数/总数
• 导出：支持导出原文和规整文本为 TXT 文件

支持的服务商

服务商	转写（ASR）	规整（Chat）
MiMo API	mimo-v2.5-asr	mimo-v2.5、mimo-v2.5-pro
MiMo Token Plan	mimo-v2.5-asr	mimo-v2.5、mimo-v2.5-pro
DeepSeek	—	deepseek-v4-pro、deepseek-v4-flash

• 每个服务商独立存储 API Key，切换服务商时自动加载
• API Key 通过 Windows DPAPI 加密存储

技术亮点

• 流式切片+转写：音频切片与 API 调用流水线化，每片切完立即发送并释放内存，内存峰值从 54MB 降至 9MB
• 全局 HTTP 连接池：所有 API 请求共享 reqwest::Client，减少 TCP 握手开销
• SSE 标签过滤器：流式解析器自动过滤 <think>、<chinese> 等模型标签，防止泄漏到转写结果
• 速率控制：ASR 90 RPM / Chat 90 RPM，基于 API 官方限额
• 非流式兜底：SSE 流解析失败时自动降级为非流式请求