🎤 Voice Input

录音转文字桌面工具 — 按住热键说话，松开自动转写并粘贴到光标位置。

基于 sherpa-onnx + SenseVoice 语音识别引擎，支持中英文混合输入。

功能

• 🎙️ PTT 推讲模式 — 按住热键录音，松开自动转写，和微信语音一样直觉
• ⚡ 离线极速转写 — SenseVoice int8 量化模型，延迟 < 0.2s
• 📝 自动标点 — CT-Transformer 模型自动添加中英文标点符号
• 🔊 音频预处理 — 自动降噪、增益、掐头去尾，提升嘈杂环境识别率
• 📋 自动粘贴 — 转写结果直接送到光标位置
• 🟢 系统托盘 — 图标颜色指示状态（绿=就绪 / 红=录音中 / 黄=转写中）
• 🚀 开机自启 — 设置里一键开启
• ⚙️ 设置窗口 — 选麦克风、改热键、开关标点

安装

1. 安装依赖

cd voice-input
pip install -r requirements.txt

2. 运行

python main.py

首次运行会自动下载 ASR 模型（~229 MB）和标点模型（~160 MB），请保证网络畅通。

使用

操作	效果
按住 右 Ctrl	开始录音
松开 右 Ctrl	停止录音 → 转写 → 粘贴
托盘右键 → 设置	打开设置窗口
托盘右键 → 退出	退出程序

设置项

设置	说明
热键	按键说话键（默认右 Ctrl）
输入设备	选择麦克风（默认系统默认）
自动粘贴	转写完成后自动粘贴到光标位置
开机自动启动	登录系统时自动运行
自动添加标点符号	中英文标点恢复

项目结构

voice-input/
├── main.py            # 入口：托盘 + PTT 热键 + 工作流编排
├── recorder.py        # sounddevice 录音模块
├── engine.py          # SenseVoice ASR 引擎封装
├── punctuation.py     # 标点符号恢复（CT-Transformer）
├── audio_quality.py   # 音频预处理（降噪/增益/掐头去尾）
├── postprocess.py     # 转写文本后处理（去空格/词语替换）
├── clipboard.py       # 剪贴板 + 模拟粘贴
├── settings.py        # PySide6 设置窗口
├── config.py          # 配置管理
├── autostart.py       # Windows 开机自启
├── diagnose.py        # 诊断工具
├── build.bat          # PyInstaller 打包脚本
├── voice-input.spec   # PyInstaller 配置文件
└── requirements.txt

打包成 exe

pip install pyinstaller
pyinstaller voice-input.spec

许可

MIT