Skip to content

OpenSpeech v0.2.30-beta.16

Pre-release
Pre-release

Choose a tag to compare

@github-actions github-actions released this 07 May 11:57
· 488 commits to main since this release

v0.2.30-beta.16

测试版,仅 Beta 通道用户可收到。本轮重点是AI 领域系统(最多 3 个领域作为 prompt 头部 system-tag)、会议实时 ASR · SaaS provider 上线、云端转写撞 401 自动续转写、快捷键扩展到 4 个 binding、以及 DEV 构建下的 LLM 请求 debug payload 落库。

新增

  • AI · 领域多选(最多 3 个):词典页面新增 16 个领域可选——programming / ai_ml / cybersecurity / design / film_production / photography / marketing / finance / law / academic / medicine / tcm / psychology / engineering / automotive / 等。勾选后作为 <Domains> system-tag 注入 prompt 头部,让 AI refine 在你的专业语境下更准(例如选 medicine 后医学专业名词不再被改成"通俗近义词")。多语言显示走 i18n bundle,切语言不丢勾选。
  • 会议 · SaaS 实时 ASR provider:会议页面新增"OpenLoaf SaaS"通道(OL-TL-RT-003,腾讯上游),引擎 16k_zh_en(8 积分/分钟),鉴权走当前登录用户 access_token,扣费走 SaaS 积分。无需再单独配 BYOK 腾讯密钥即可开会议纪要。说话人分离暂未开启(等 SDK 拉到 speaker_id 字段后会切到 16k_zh_en_speaker / 12 积分版)。
  • 听写 · 401 自动续转写:录音结束后云端转写撞 401(access_token 过期)会自动弹 LoginDialog,登录成功后自动用刚才那段录音重新转写一次,结果直接展示在 AuthRecoveryDialog 里——用户不用重录音。失败时 dialog 也会显示具体 error message,附「复制错误」按钮便于反馈。
  • 快捷键 · 4 个 binding:默认快捷键扩展到 4 个 binding:
    • dictate_ptt(听写)
    • translate(翻译听写)—— macOS Fn + Shift(L) / Windows Alt(L) + Win(L) / Linux Alt(L) + Super(L)
    • show_main_window(唤起主窗口)—— Ctrl(L) + Alt(L) + O
    • open_toolbox(打开 AI 工具)—— Ctrl(L) + Alt(L) + T
  • 快捷键 · 启动自检:从老版本升级上来的 binding 如果命中新规则(modifier-only 单键 / 子集冲突 / fn-combo / Tab 主键等),启动时会自动弹出 HotkeyConflictDialog 让你逐条重录,避免静默失效。
  • DEV 构建 · 调试快照入库:开发版会把每次 LLM 请求的 URL / model / body(pretty JSON)落到 history.debug_payload 列,refine + 翻译 phase2 累积成 JSON 数组。「复制 Debug 信息」按钮直接读这一列,无需实时拼接,复现问题更稳。正式版本恒为 NULL,不会捕获用户提示词。

改进

  • AI prompt · 默认提示词全套重写:按 2026 prompt engineering 指南重新拉了一遍 system prompt,听写优化 / 翻译 / 润色 / 会议纪要四类输出更稳定、不再"过度润色"。
  • 设置页 · 三类 AI 提示词独立 dialog:「听写优化」「翻译」「会议纪要」「润色」四类系统提示词全部从内嵌 textarea 改成独立 dialog,主设置页只显示「已自定义 / 默认」状态徽章和「修改」按钮,设置页继续大幅瘦身(−432 行)。
  • 词典 · 快速添加 dialog:新增 QuickDictDialog,可在听写 / 工具箱场景一键唤起添加词典 + 选领域,不必跳到设置页。
  • 历史 · 详情面板瘦身:History 页面详情面板重排,调试信息折叠到次级菜单,主信息区更突出。
  • 工具箱 / 词典页面:UI 重构,信息密度优化,搜索 / 切换更顺手。
  • openloaf-saas · 0.3.16 → 0.3.17:复用 SDK 内置的 RealtimeAsrSession,避免自己引第二份 WS 栈。

修复

  • 录音 · IPC 命令幂等:show_main_window / open_toolbox 等窗口指令在主窗口已聚焦时会短路,不再重复触发动画。

升级提示

  • 本版本是 SemVer 预发布段(0.2.30-beta.16),仅 Beta 通道下发;Stable 通道用户不会收到。
  • 切到 Beta 通道:设置 → 关于 → 更新通道 → 选 Beta,重启或托盘「检查更新」。
  • 快捷键 schema 升级:v2 → v3 migrate 完成后启动自检会自动检查存量 binding,如果发现冲突会弹 dialog 提醒重录;升级后建议先到设置 → 快捷键页面看一眼默认 4 个 binding,按需关闭不想要的。
  • 数据库 schema v10:新增 debug_payload 列(仅 DEV 构建写入),正式版无感知,无需手动迁移。

想让 Beta 用户帮忙验

  • 领域多选:词典 → 领域 → 勾选 3 个(如 medicine + tcm + psychology)→ 录一段含专业名词的口语 → 预期:refined_text 里专业名词不被"通俗化"。
  • 会议 SaaS 通道:会议 → 新建会议 → 实时 ASR 选 OpenLoaf SaaS → 录 30 秒中英混合 → 预期:实时出 partial / final 文本,UI 显示「未分离说话人」提示,扣费在 SaaS 后台可见。
  • 401 自动续转写:在设置 → 账号里手动 logout 后再录一段(让转写在 finalize 阶段撞 401)→ 预期:自动弹 LoginDialog,扫码登录回来后弹 AuthRecoveryDialog 显示 spinner,几秒后变成成功状态展示文本,无需重录音。
  • 新增三个 binding:设置 → 快捷键 → 试 Ctrl + Alt + O 唤起主窗口、Ctrl + Alt + T 打开 AI 工具、Fn + Shift 翻译听写(mac),都应即按即触发。
  • 启动自检:故意把听写 binding 改成命中新规则(如单 Modifier、Tab 主键),重启 → 预期:开机就弹 HotkeyConflictDialog 提示重录。
  • DEV debug payload(仅开发版):录一段开 AI refine → 历史详情 → 「复制 Debug 信息」→ 预期:粘贴出 URL / model / body 的 pretty JSON 数组(refine + translate 各一项)。