Repository navigation
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