灵犀输入 — LingXi Input

Talk your way. We'll style it.

语音转录 × AI 风格引擎。你说的每句话，都会以最合适的语气和风格呈现。

📖 项目简介

灵犀输入是一款以「个性化沟通风格」为核心差异化的跨平台语音输入产品。它不仅转录语音，更感知你的情绪、理解你与谁对话，自动将口述转为恰如其分的文字。

核心特色

特性	说明
🎚️ 五维风格配置	正式度、亲密度、幽默度、直接度、简练度 — 滑块控制，所见即所得
🎭 6 套预设风格	敬重 / 亲热 / 诙谐 / 严谨 / 日常 / 极简，开箱即用
💬 情绪感知微调	ASR 识别情绪，实时调整文字风格，让文字「有温度」
🖥️ 跨平台	Windows / macOS / Linux，PySide6 原生桌面界面
🔒 隐私优先	默认本地推理，音频数据不出设备
🔌 多引擎	SenseVoice / FunASR / faster-whisper / OpenAI Whisper
🤖 离线可用	支持 Ollama 本地 LLM，全程零网络
🌐 开源	MIT 协议，完全开源

🚀 快速开始

环境要求

依赖	说明	安装方式
Python 3.11+	运行时	python.org 或 `brew install python@3.11`
uv	包管理器	`brew install uv` 或 `pip install uv`
麦克风	硬件	内置/外接均可
portaudio	PyAudio 的系统库（可选）	`brew install portaudio`（macOS）/ `apt install portaudio19-dev`（Linux）

说明：默认使用 sounddevice 录音，无需 portaudio。如需 PyAudio 后端，才需安装 portaudio 并执行 uv sync --extra audio。

安装

# 1. 克隆仓库
git clone https://github.com/Code-Eat-Rabbit/lingxi.git
cd lingxi

# 2. 安装依赖（首次约 5-10 分钟，需下载 ASR 和 UI 库）
uv sync

# 3. 启动应用
uv run lingxi

可选：安装 PyAudio 后端

# macOS
brew install portaudio
uv sync --extra audio

# Linux (Debian/Ubuntu)
sudo apt install portaudio19-dev python3-pyaudio
uv sync --extra audio

# Windows
# PyAudio 提供预编译 wheel，直接执行：
uv sync --extra audio

安装开发依赖（测试用）

uv sync --dev
uv run pytest tests/ -v    # 运行 252 个测试

📖 使用指南

1. 首次启动 — 4 步引导向导

首次打开灵犀时，会自动进入引导向导，帮你完成基本配置：

Step 1: 欢迎
  了解灵犀的核心能力

Step 2: 语音引擎选择
  ● SenseVoice（推荐） — 本地运行，隐私安全，~200MB
  ○ FunASR            — 本地运行，准确率最高，~500MB
  ○ faster-whisper    — 本地运行，CPU 优化好
  ○ 云端 Whisper       — 无需下载，需联网 + API Key

Step 3: 默认风格选择
  从 6 套预设中选一个作为日常默认风格

Step 4: 热键与权限
  录音快捷键 + 麦克风权限 + 辅助功能权限

如果中途关闭向导，下次启动时会从断点继续。

2. 日常使用流程

灵犀常驻系统托盘，使用全局热键触发：

平台	默认热键
macOS	`Cmd + Shift + Space`
Windows / Linux	`Ctrl + Space`

┌──────────────────────────────────────────────────┐
│  1. 打开任意输入框（微信 / 企业微信 / 编辑器等）    │
│                                                  │
│  2. 按住录音快捷键，开始说话                       │
│     └─ 屏幕中下方出现弹性胶囊 HUD                 │
│     └─ 实时显示转录文字                            │
│                                                  │
│  3. 松开快捷键                                    │
│     └─ ASR 转录 → 风格引擎 → LLM 转换             │
│     └─ 风格化文字自动注入到输入框                   │
│                                                  │
│  4. Overlay 显示结果 2 秒后自动消失                │
└──────────────────────────────────────────────────┘

效果示例

口述原文	风格	输出
「那个需求文档我写好了你看看吧」	💼 严谨	「XX 需求的技术方案文档已完成初稿，请您审阅。」
「我今天加班晚点回去」	❤️ 亲热	「今天要加会儿班，晚一小时到家，你们先吃别等我❤️」
「今天遇到一个奇葩」	😎 诙谐	「今日份的离谱人类观察👀 地铁上有人举着Switch打塞尔达你敢信」
「收到我马上去做」	📜 敬重	「收到，我尽快落实，有进展第一时间向您汇报。」
「那个事搞完了」	⚡ 极简	「搞定。」

3. 风格切换 — 4 种方式

灵犀支持 4 级优先级 的风格选择，从高到低：

优先级	触发方式	场景
1️⃣ 手动临时覆盖	长按录音快捷键 → 弹出风格选择器 → ↑↓ 选择 → Enter 确认	偶尔换风格发一条消息
2️⃣ 应用绑定	设置中：微信→亲热，企业微信→严谨，邮件→敬重	固定场景自动切换
3️⃣ 联系人感知	自动识别聊天对象（v1.1，白名单应用）	同一 App 内不同人
4️⃣ 全局默认	出厂「日常」，可在设置中更改	兜底风格

长按选择风格

长按 `Cmd + Shift + Space` 500ms (macOS) / `Ctrl + Space` (Win/Linux)
      │
      ▼
  ┌─────────────────────┐
  │  🎓 敬重 · 导师/领导  │  ← 当前生效（高亮）
  │  ❤️ 亲热 · 家人/挚友  │
  │  😎 诙谐 · 朋友/吐槽  │
  │  📊 严谨 · 同事/工作  │
  │  🍃 日常 · 通用默认   │
  │  ⚡ 极简 · 快速记录   │
  └─────────────────────┘
   ↑↓ 选择  Enter 确认  Esc 取消

此次录音使用临时风格，消息发送后自动恢复原风格。

4. 设置应用绑定

在系统托盘右键 → 设置 → 风格绑定：

应用名          绑定风格
──────────────────────────
微信            ❤️ 亲热
企业微信         📊 严谨
钉钉            📊 严谨
邮件            📜 敬重
Telegram        🍃 日常
VS Code         ⚡ 极简

每次切换到该应用时，风格自动切换，无需手动操作。

5. 自定义风格 — 风格构建器

系统托盘 → 设置 → 风格管理 → 「+ 新建风格」

三栏布局，所见即所得：

┌──────────┬────────────────┬──────────────────┐
│ 预设起点  │ 五维滑块        │ 实时预览          │
│          │                │                  │
│ ○ 从零    │ 正式度 [80%]   │ 输入: "今天加班"   │
│ ○ 敬重    │ 亲密度 [20%]   │                  │
│ ● 严谨    │ 幽默度 [0%]    │ → 输出:           │
│ ○ 日常    │ 直接度 [90%]   │ "今日需加班处理，  │
│          │ 简练度 [80%]   │  预计延后一小时到家" │
│          │                │                  │
│          │ 场景微调:       │                  │
│          │ 称呼: [您 ▾]   │                  │
│          │ 结尾: [此致敬礼]│                  │
│          │ 标点: [严谨 ▾] │                  │
│          │                │                  │
│          │ [保存]          │                  │
└──────────┴────────────────┴──────────────────┘

调整步骤：

选基础：从 6 套预设中选一个作为起点，或从零开始
调滑块：拖动 5 个维度的滑块（0-100），右侧实时预览效果
微调场景（可选）：设置称呼方式、结尾语、标点风格
命名保存：保存后会出现在风格列表中

6. 配置 LLM（大语言模型）

灵犀需要 LLM 来执行风格转换。支持两种方式：

方案 A：云端 API（推荐，速度快）

获取 API Key：OpenAI 或任意兼容 API
在设置中填入：

{
  "llm": {
    "provider": "openai",
    "model": "gpt-4o-mini",
    "api_key": "sk-xxxxxxxxxxxxx",
    "base_url": null
  }
}

base_url 可指向任意 OpenAI 兼容 API（如 DeepSeek、通义千问等）。

方案 B：本地 Ollama（隐私，无需网络）

安装 Ollama
拉取推荐模型：

ollama pull qwen2.5:7b   # 首选，中文风格改写最佳
ollama pull qwen2.5:3b   # 低配机器备选

灵犀会自动检测本地 Ollama 并使用

硬件	推荐模型	预计延迟
M1 Max 及以上	qwen2.5:7b	~3s
M1 8GB / 16GB 无独显	qwen2.5:3b	~8s
RTX 3060+	qwen2.5:7b (GPU)	~2s

7. 配置 ASR（语音识别引擎）

首次启动时选择，之后可在设置中更改：

引擎	模型大小	中文准确率	情绪输出	推荐场景
SenseVoice	~200MB	⭐⭐⭐⭐⭐	✅ 原生	macOS（CoreML 加速）
FunASR	~500MB	⭐⭐⭐⭐⭐	✅ 情感分类	Windows/Linux（GPU）
faster-whisper	~500MB	⭐⭐⭐⭐	❌ 需补充	CPU 优化好，通用
OpenAI Whisper	0 (API)	⭐⭐⭐⭐⭐	❌	不介意联网

模型首次使用时会自动下载到 ~/.lingxi/models/。

🎬 Demo 视频

📹 演示视频链接：[待上传]

🧪 测试

uv sync --dev
uv run pytest tests/ -v                    # 运行全部
uv run pytest tests/ --cov=lingxi          # 查看覆盖率
uv run pytest tests/test_emotion.py -v     # 运行单个测试文件

当前测试覆盖：252 个测试，全部通过 ✅

🏗️ 技术架构

┌── PySide6 UI Layer ──────────────────────────┐
│  OverlayHUD · StylePicker · CompareView      │
│  StyleBuilder (三栏布局)                       │
├── Style Engine ──────────────────────────────┤
│  StyleResolver (4 级优先级)                    │
│  StylePromptCompiler (五维→XML Prompt)        │
│  EmotionModulator (7 种情绪微调)               │
│  PostProcessor (验证 + 降级)                   │
├── ASR Pipeline ──────────────────────────────┤
│  ASREngine Protocol · FasterWhisperAdapter    │
│  Emotion Enum (7 种)                           │
├── LLM Pipeline ──────────────────────────────┤
│  OpenAIClient · OllamaClient                  │
├── I/O Layer ─────────────────────────────────┤
│  AudioRecorder · HotkeyManager · TextInjector │
├── Context Layer ─────────────────────────────┤
│  AppDetector · ContactDetector                │
└── Data Layer ────────────────────────────────┘
│  ConfigStore · HistoryStore                   │

数据流

用户口述 → 录音 → ASR Engine 转录
                    │
    TranscriptionResult (.text + .emotion)
                    │
    StyleResolver (4 级优先级解析风格)
                    │
    EmotionModulator (情绪微调五维参数)
                    │
    StylePromptCompiler (编译 XML Prompt)
                    │
    LLM Client (OpenAI / Ollama)
                    │
    PostProcessor (验证 + 降级)
                    │
    TextInjector (三级注入策略)
                    │
    目标应用输入框

🔧 常见问题

1. `uv sync` 失败：`fatal error: 'portaudio.h' file not found`

这是 PyAudio 需要系统库。默认不安装 PyAudio（使用 sounddevice），不影响使用。

如需 PyAudio：brew install portaudio && uv sync --extra audio

2. 启动后看不到 Overlay

检查是否授予了辅助功能权限（系统设置 → 隐私 → 辅助功能 → 添加终端/灵犀）
检查是否授予了麦克风权限

3. 录音后文字没有注入

确保目标窗口是输入框（不是只读区域）
切换输入法到英文模式重试
文字已自动复制到剪贴板，可手动 Ctrl+V 粘贴

4. 风格转换速度慢

云端 API 通常 1-3 秒
本地 Ollama 取决于硬件：M 系列芯片 3-15 秒，独显 2-5 秒
如需更快：换成更小的本地模型（qwen2.5:3b 或 1.5b）

5. 热键冲突

在设置中更换录音快捷键，或在系统托盘右键 → 手动触发录音。

📦 依赖清单

Python 核心依赖

类别	包名	用途
ASR	faster-whisper, funasr, numpy	语音转录
音频	sounddevice (默认) / PyAudio (可选)	麦克风录音
输入	pynput, pyautogui, pyperclip	热键 + 文本注入
LLM	openai, ollama, aiohttp	云端/本地 LLM
UI	PySide6	桌面界面
上下文	psutil	进程检测
情绪	text2emotion	情绪补充分析
工具	pydantic, jieba	数据验证 + 中文分词

系统依赖（仅 PyAudio 需要）

平台	安装命令
macOS	`brew install portaudio`
Linux	`sudo apt install portaudio19-dev`
Windows	无需（有预编译 wheel）

📁 项目结构

lingxi/
├── lingxi/
│   ├── main.py               # 应用入口 + 系统托盘
│   ├── engine/               # ASR 引擎层
│   │   ├── asr_engine.py     # 协议定义
│   │   ├── asr_faster_whisper.py  # faster-whisper 适配
│   │   └── emotion.py        # 7 种情绪枚举 + 微调器
│   ├── style/                # 风格引擎
│   │   ├── profile.py        # 数据模型 + 7 个枚举
│   │   ├── presets.py        # 6 套预设风格
│   │   ├── store.py          # JSON 持久化
│   │   ├── compiler.py       # 五维→XML Prompt
│   │   ├── resolver.py       # 4 级优先级解析
│   │   └── post_processor.py # 验证 + 降级
│   ├── llm/                  # LLM 客户端
│   │   ├── client.py         # 协议 + 请求模型
│   │   ├── openai_client.py  # OpenAI 适配器
│   │   └── ollama_client.py  # Ollama 适配器
│   ├── io/                   # I/O 层
│   │   ├── audio_recorder.py # 录音（sounddevice/PyAudio）
│   │   ├── hotkey_manager.py # 全局热键（300ms 防抖）
│   │   ├── text_injector.py  # 文本注入（三级策略）
│   │   └── clipboard.py      # 剪贴板封装
│   ├── context/              # 上下文感知
│   │   ├── app_detector.py   # 跨平台应用检测
│   │   └── contact_detector.py  # 联系人感知
│   ├── data/                 # 数据存储
│   │   ├── config_store.py   # JSON 配置（~/.lingxi/）
│   │   └── history_store.py  # SQLite 历史
│   └── ui/                   # 界面
│       ├── overlay.py        # 弹性胶囊 HUD
│       ├── style_picker.py   # 风格选择器
│       ├── style_builder.py  # 三栏风格构建器
│       └── compare_view.py   # 风格对比视图
├── tests/                    # 252 个测试
├── pyproject.toml            # uv 配置
└── README.md

🎯 原创功能

本项目的核心创新点：

五维风格滑块模型 — 将 AI 改写从「写 prompt」降维到「调滑块」
情绪感知微调引擎 — 7 种情绪 × 5 维参数 = 35 条调制规则
XML 结构化 Prompt 编译 — 五维参数 + 情绪 → LLM System Prompt
4 级优先级风格解析 — 手动 > 应用绑定 > 联系人 > 默认
PostProcessor 验证降级链 — 空值→拒绝检测→长度→实体，三重降级
三级文本注入策略 — 剪贴板粘贴 → 逐字输入 → 手动复制，CJK 自动切换
弹性胶囊 HUD — 半透明毛玻璃，弹簧动画，情绪颜色边框

📝 灵感来源

灵犀输入从 Typeflux 的架构设计中获得灵感，但完全以 Python 重写实现跨平台（Windows + macOS + Linux），并新增了风格引擎、情绪感知、多引擎支持等核心功能。

Name		Name	Last commit message	Last commit date
Latest commit History 33 Commits
lingxi		lingxi
tests		tests
.gitignore		.gitignore
README.md		README.md
pyproject.toml		pyproject.toml
uv.lock		uv.lock

Folders and files

Latest commit

History

Repository files navigation