自动玩梗器 (AutoMemeDetector)

作者：@依然匹萨吧

功能介绍

介绍视频

自动玩梗器 是一款基于语音识别和屏幕文字识别的自动化音效播放工具。它能监听你的麦克风、系统声音或屏幕内容，当检测到特定的“梗”（关键词）时，自动播放对应的语音音效。

• 多模态检测：支持三种触发方式
  • 麦克风语音：识别你说的话，自动接梗
  • 系统扬声器：识别电脑发出的声音（如视频、会议、游戏语音），自动回应
  • 屏幕文字 (OCR)：识别屏幕上的文字（如聊天记录、弹幕、字幕），视觉触发
• 自定义规则：内置规则编辑器，轻松添加自定义关键词和对应音频文件
• 离线识别：
  • 语音识别采用 Vosk 模型，完全离线运行，保护隐私
  • 文字识别采用 RapidOCR (ONNX)，无需联网，轻量高效
• 视觉反馈：屏幕文字识别模式下，检测到关键词时会在屏幕对应位置显示高亮框
• 全局快捷键：支持快捷键一键开启/暂停检测、停止播放
• 后台运行：支持最小化到系统托盘，不干扰日常使用
• 开机自启：支持设置开机自动启动

文件说明

├── main.py                    # 主程序入口
├── models/                    # 模型目录
│   └── vosk-model-small-cn-0.22/ # Vosk 语音识别模型
├── sounds/                    # 默认音频素材目录
├── AutoMeme_Config/           # 用户配置目录（自动生成）
│   ├── config.json            # 设置文件
│   └── rules.json             # 关键词规则文件
├── requirements.txt           # Python 依赖列表
├── main.spec                  # PyInstaller 打包配置
└── LICENSE                    # 许可证文件

环境要求

• 操作系统: Windows 10/11 (建议)
• Python: 3.8 或更高版本
• 硬件:
  • 麦克风（可选，用于语音检测）
  • 扬声器（必须，用于播放音效）
  • 屏幕 OCR 模式建议有独立显卡以获得更好性能

快速开始

运行发布版本（EXE）

1. 下载最新版本的 .exe 文件
2. 确保 models/ 文件夹和 sounds/ 文件夹与 EXE 在同一目录下
3. 双击运行即可

从源码运行

1. 克隆项目

   git clone https://github.com/PizzaDark/AutoMemeDetector.git
   cd AutoMemeDetector

2. 安装依赖

   # 推荐python3.10
   python -m venv .venv
   .venv\Scripts\activate #Windows
   source .venv/bin/activate #macOS/Linux
   
   pip install -r requirements.txt

3. 准备模型

   • 下载 vosk-model-small-cn-0.22
   • 解压并放置于 models/ 目录下，结构应为 models/vosk-model-small-cn-0.22

4. 运行程序

   python main.py

使用说明

1. 基础设置

• 检测开关：点击主界面巨大的“开启检测”按钮，或使用快捷键（默认 Alt+M）
• 音量调节：拖动滑块调节音效播放音量
• 设备选择：
  • 输入设备：选择用于语音识别的麦克风
  • 输出设备：选择系统音频捕获源（用于扬声器检测模式）

2. 模式选择

在设置面板中勾选需要启用的检测模式：

• 麦克风语音检测：监听你的说话内容
• 扬声器音频检测：监听电脑播放的内容（注意：此功能会捕获系统声音，请正确选择输出设备）
• 屏幕文字检测(OCR)：定时截取屏幕识别文字（开启后可勾选 "GPU加速" 以提升性能）

3. 编辑规则

1. 点击“管理规则文件”打开编辑器
2. 添加规则：输入关键词，选择对应的音频文件
3. 导入规则：支持导入 JSON 格式的规则集，支持自定义语音包
4. 保存：点击“保存并生效”立即应用更改

4. 使用语音包

1. 解压语音包
2. 把语音包文件夹放到.exe同目录下
3. 打开程序，导入语音包文件夹下的规则集文件
4. 点击“保存并生效”立即应用更改

5. 快捷键

• 开启/暂停检测: 默认 Alt+M
• 停止所有播放: 默认 Alt+P (紧急停止)
• 可在界面中修改快捷键

常见问题

Q: 麦克风识别没反应？
A: 可能是内置的模型文件出现了路径问题，尝试克隆本项目并用python运行。

Q: 屏幕识别卡顿？
A: OCR 较为消耗资源。请尝试：

1. 勾选“使用GPU加速”（需要支持GPU的设备）
2. 确保电脑性能足够
3. 不需要时关闭屏幕检测模式

Q: 扬声器检测没反应？
A: 请确保在“输出设备”下拉框中选择了带有 (Loopback) 字样的设备，这是用于捕获系统声音的虚拟接口。

Q: 识别准确率不高？
A:

• 语音识别依赖 Vosk 模型，清晰的标准普通话识别率最高。
• 屏幕 OCR 对非常小的字体或复杂背景可能识别困难。

构建可执行文件

使用 PyInstaller 进行打包：

pyinstaller main.spec

打包文件将生成在 dist/ 目录下。

依赖库

依赖包	用途
PyQt5	图形界面
vosk	离线语音识别
rapidocr_onnxruntime	离线文字识别 (OCR)
pygame	音频播放
sounddevice / pyaudiowpatch	音频录制与系统音频捕获
mss	高效屏幕截图
keyboard	全局快捷键

开源许可证

本项目采用 知识共享 署名 - 非商业性使用 - 相同方式共享 4.0 国际许可证 (CC BY-NC-SA 4.0) 授权。

核心条款说明

1. 允许的行为：你可以自由复制、修改、分发本项目的代码 / 程序，前提是满足以下条件；
2. 禁止的行为：严禁将本项目（包括修改后的衍生版本）用于任何商业目的（如出售、付费分发、商业运营等）；
3. 必须遵守：
   • 署名：必须保留原作者信息（@依然匹萨吧）；
   • 相同方式共享：若你修改 / 衍生本项目，必须采用与本协议相同的许可证发布。

协议完整文本

请查看官方协议全文：https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode.zh-hans

本项目仅供学习交流使用，禁止商用或贩卖，音频版权归音频原作者所有。 Vosk 模型请遵循其官方许可证。