Skip to content

VoiceInput 2.0.0 — 适配 macOS 27

Latest
Latest

Choose a tag to compare

View all tags
@bosprimigenious bosprimigenious released this 06 Oct 13:22
· 9 commits to main since this release
v2.0.0
c065a83

首个公开发布。在 macOS 27.0.1 + Xcode 27 上构建并验证。

⚠️ 破坏性变更

  • 普通模式不再「边说边打字」。 录音时面板仍显示实时预览（Apple Speech），
    但正文改为：停止录音 → Whisper 转写整段 → 一次性粘贴到录音前所在的 App。
    原因是旧链路用的识别结果精度更低，错字一旦打出去就再也改不回来。

转写精度

  • 修掉精度差的主因：旧代码在普通模式下直接采用 Apple Speech 的结果并结束
    （AppDelegate 里「Apple Speech 已提供实时结果：无需再转录」分支），
    Whisper 只在 Apple Speech 没有结果时才兜底。也就是说，默认路径根本没走 Whisper。
  • 去掉硬编码 --prompt。它是一串顿号分隔的词表，短音频下会让 medium
    「接着往下续写词表」而不是转写 —— 实测把 41 个字压成
    「本地模型﹑不需要输入﹑需要在安静的环境使劲﹑」。现在默认不传，设置里可填自然句子。
  • 修正模型回退顺序，改为按精度优先级
    large-v3-turbo > medium > small > base > tiny。
    旧逻辑按文件名字母序回退，第一个正好是精度最差的 ggml-base.bin。

速度

  • 默认模型 ggml-base.bin → ggml-small.bin（base 曾是默认，但它是最差的一档）。
  • whisper-cli 显式传 -t（核数 − 2）。whisper.cpp 默认 -t 4，
    在 10 核（4P+6E）的 M5 上白白浪费性能。

同一段 14.5 秒真人录音，纯 CPU：

配置 耗时 转录质量
base 0.39s 崩坏：「输入」→「诗课」
small（新默认） 1.38s 有错词，但整句可读
medium 2.78s 接近 turbo
large-v3-turbo 3.20s 近乎完美
turbo + 默认线程（2.0 之前的实际体验） 4.30s 近乎完美

体积

  • 大模型（medium / large-v3-turbo，1.4–1.6GB）移出安装包，改从
    ~/Library/Application Support/VoiceInput/Models/ 读取，安装包保持在约 530MB。
  • 模型下载也改写到该外置目录，不再写进 .app（避免破坏代码签名，
    也让大模型可以单独删掉而不动 App）。

界面

  • 新增 App 图标：macOS 原生圆角方块 + 蓝紫渐变 + 白色声波，
    由 scripts/make-icon.py 可复现生成，含 16–1024 全套尺寸。
  • 设置里新增「转录提示词」输入框（默认留空）。

macOS 27 适配

  • 修正 LSMinimumSystemVersion：原为 13.0，与二进制实际的部署目标 15.0 不符，
    会导致 macOS 13/14 上「装得上但起不来」。
  • 清理 5 处废弃 API（activateIgnoringOtherApps 系列，macOS 14 起废弃且无效果），
    构建不再有相关废弃警告。
  • 菜单栏图标继续使用 SF Symbol waveform，自动跟随 macOS 26/27 的新菜单栏样式。

构建与验证

  • 修掉一个会静默产出错误产物的 bug：build.sh 旧写法
    swift build 2>&1 | grep -E "error:|Build complete" || true 会吞掉退出码 ——
    只要 .build 里还留着上一次的二进制，构建失败时就会把旧程序打进 .app。
    开发过程中真实踩到过。现在构建失败会硬中断，并拒绝打包比源码旧的产物。
  • 新增 scripts/rebuild-and-verify.sh：6 个 gate 全部通过才退出 0，
    其中 G4 直接读 .app 二进制里的字符串做反作弊。
  • build-whisper.sh 保持 Metal 关闭并写明原因：GGML_METAL_EMBED_LIBRARY
    嵌入的是 Metal 源码而非预编译 metallib，导致 whisper-cli 每次启动都要现场
    编译 shader 约 15–20 秒。本 App 每次转写 fork 一个进程，这 15 秒每次都要重付 ——
    实测 base 1.5s→17.6s、medium 11s→20.8s，比纯 CPU 还慢。

已知限制

  • 本地 whisper 的中文短句精度仍不及微信输入法（后者是云端大模型 + 热词自适应）。
    本版提供的手段是切 medium / large-v3-turbo 换精度，代价是变慢。
  • 会议模式的声纹识别依赖本地路径依赖 .speech-swift，需另外准备才能构建，见 README。

安装

  1. 下载 VoiceInput.dmg，打开后把 VoiceInput.app 拖进「应用程序」。

  2. 首次打开会被 Gatekeeper 拦下（本版未做 Apple 公证，是本地签名）。
    右键点 App → 打开 → 再点「打开」即可；或执行：

    xattr -dr com.apple.quarantine /Applications/VoiceInput.app

  3. 按引导授予麦克风与辅助功能权限（缺辅助功能权限无法监听全局快捷键）。

  4. 按 Ctrl + I 开始/停止录音。

关于模型体积

安装包内只带 ggml-small.bin（466MB，速度与精度平衡）。
想要更高精度可在 设置 → 模型 里切换到 medium 或 large-v3-turbo，
它们会下载到 ~/Library/Application Support/VoiceInput/Models/，
不写进 App 包，可以随时单独删除。

Assets 3
Loading