https://github.com/myuan19/voiceinput
Windows AI 语音输入🎙 — 按快捷键说话即输入，支持润色。摆脱打字限制，实现无拘束、高效率的表达。
https://github.com/myuan19/voiceinput
asr dashscope productivity pyqt6 python qwen-asr speech-to-text tool voice-input windows
Last synced: 4 days ago
JSON representation
Windows AI 语音输入🎙 — 按快捷键说话即输入，支持润色。摆脱打字限制，实现无拘束、高效率的表达。
- Host: GitHub
- URL: https://github.com/myuan19/voiceinput
- Owner: myuan19
- License: mit
- Created: 2026-03-27T02:34:17.000Z (3 months ago)
- Default Branch: main
- Last Pushed: 2026-05-28T18:45:08.000Z (15 days ago)
- Last Synced: 2026-05-28T20:23:40.977Z (15 days ago)
- Topics: asr, dashscope, productivity, pyqt6, python, qwen-asr, speech-to-text, tool, voice-input, windows
- Language: Python
- Homepage:
- Size: 3.05 MB
- Stars: 36
- Watchers: 0
- Forks: 6
- Open Issues: 4
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# VoiceInput ⌨️🎙️
[](https://github.com/myuan19/voiceInput/stargazers)
[](https://github.com/myuan19/voiceInput/releases/latest)
[](https://github.com/myuan19/voiceInput/releases)
[](LICENSE)
[]()
[]()
Windows 上的 AI 语音输入工具 —— 按下快捷键，说话即输入。代替键盘输入，解放双手，原本5min才能梳理清楚的需求，现在30s一步到位直达输入框。
> 基于阿里云 DashScope（通义千问 ASR），延迟低、识别准，免费额度足够日常使用。
## 💡 核心价值
本工具旨在实现与 AI 的自然交互：用户可通过日常语言自由表达自己的想法；AI 会自动将语音内容转化为清晰、可读的需求描述，并直接填入输入框。这才是本工具的根本目标——代替键盘的主要交互手段，让用户摆脱打字限制，实现无拘束、高效率的表达。
## ✨ 特性
- **全局快捷键** — 任意应用中按 `Ctrl+Shift+R`（可改）开始/停止录音，自动输入文字到光标处，同时加入剪切板。
- **智能润色** — 可选 LLM 润色，修正口语、补标点、去语气词；支持多模型切换（qwen3.5-flash / qwen-flash / qwen-plus / qwen-max）
- **顶部悬浮指示器** — 极简 mini 条，悬停水滴式展开；录音时波形与停止按钮；**长按停止按钮可作废本条**，短按仍为正常结束；录音中悬停可查看当前麦克风和润色模型
- **系统托盘** — 切换模式、润色模型、快捷键、API Key、麦克风（含系统默认设备名）；保存录音文件开关；查看历史与日志目录
- **稳健体验** — 单实例防重复启动；未配置 Key 时引导配置；麦克风不可用时持续提示；转录进行中屏蔽重复触发；麦克风断开自动停止并提示
- **音效反馈** — 开始 / 停止 / 完成提示音
## 🎬 演示
| | 说明 | 演示 |
|:-:|------|:----:|
| demo1 | 日常可用作语音输入工具：聊天回复、搜资料、写文档 |  |
| demo2 | 推荐的工作流程：开启录音，一边说一边梳理项目架构，然后按下快捷键结束，直接把需求粘贴到对话框 |  |
| demo3 | 用于代替 Cursor 只支持英文的语音输入 |  |
## 🚀 快速开始
1. 前往 [Releases](https://github.com/myuan19/voiceInput/releases) 下载最新发行包（便携压缩包或单文件，以 Release 页面说明为准）
2. 解压或运行后，右键托盘图标进入 **API Key**，填入 DashScope Key
[获取 API Key](https://bailian.console.aliyun.com/cn-beijing/?tab=model#/api-key)
```bash
git clone https://github.com/myuan19/voiceInput.git
cd voiceInput
uv .venv
.venv\Scripts\activate
uv pip install -r src/requirements.txt
set DASHSCOPE_API_KEY=sk-xxxxxxxx
python -u src\main.py
```
## 📖 使用说明
| 操作 | 说明 |
| -------------- | ----------------------------------------------------------------------------- |
| 默认快捷键 | 开始/停止录音（可在托盘菜单中修改） |
| 左键托盘图标 | 开始/停止录音（可在配置中关闭） |
| 右键托盘图标 | 菜单：模式、润色模型、设备、快捷键、Key、保存录音、重置指示器位置、历史、日志、退出 |
| 悬停顶部指示器 | 展开面板：录音、润色开关、是否弹出原文 |
| 录音中悬停 | 显示当前使用的麦克风和润色模型 |
| 录音中 | 短按停止键 — 结束并识别；长按至环形走完 — 作废本条 |
**模式**
- **纯转录** — 语音直接转文字
- **智能润色** — ASR 后再经 LLM 润色
## ⚙️ 配置
配置文件：`%USERPROFILE%\.voiceinput\config.json`（首次运行自动生成）。
| 配置项 | 说明 | 默认值 |
| ------------------------ | -------------------------------------------------------- | -------------------------- |
| `hotkey` | 全局快捷键（支持区分左右修饰键，如 `lctrl+lshift+r`） | `lctrl+lshift+r` |
| `trigger_mode` | 触发模式 | `toggle` |
| `mode` | `transcribe` / `polish` | `transcribe` |
| `custom_prompt` | 自定义润色提示（预留） | 空 |
| `language` | 语言 | `auto` |
| `api_key` | DashScope API Key | 空（可用环境变量） |
| `api_base_url` | API 基地址 | 官方默认 |
| `asr_model` | ASR 模型 ID | `qwen3-asr-flash-2026-02-10` |
| `polish_models` | 润色模型菜单（`[{ "id", "label" }, ...]`） | 见 `config.py` 出厂列表 |
| `enabled_polish_models` | 启用并显示在托盘菜单中的润色模型 ID 列表 | `qwen3.6-flash`、`qwen3.6-plus`、`qwen3.7-max` |
| `polish_model` | 当前选中的润色模型 ID | `qwen3.6-flash` |
| `mic_index` | 麦克风设备索引（自动随名称解析，无需手动修改） | `null`（默认设备） |
| `paste_result` | 识别后粘贴到光标 | `true` |
| `restore_clipboard` | 粘贴后还原剪贴板 | `false` |
| `simulate_keypresses` | 模拟按键（预留） | `false` |
| `tray_click_to_record` | 托盘左键即录音 | `true` |
| `play_sounds` | 音效 | `true` |
| `save_history` | 保存历史 | `true` |
| `save_audio` | 是否保存每条原始录音（WAV，存于历史目录） | `false` |
| `mini_window_x` | 指示器水平锚点（像素，可清空以重置） | `null` |
环境变量 `DASHSCOPE_API_KEY` 可与配置文件同时使用（配置中为空时会尝试读取）。
开发者向说明见 [`_docs/开发者文档/配置文件开发参考.md`](_docs/开发者文档/配置文件开发参考.md)；发版迁移见 [`_docs/config-versioning.md`](_docs/config-versioning.md)。
日志目录：`%USERPROFILE%\.voiceinput\logs\`（每次启动一个新文件，包含从启动到退出的完整记录，含 WARNING / ERROR 等）。
## 🗂️ 项目结构
```
src/
├── main.py # 入口（单实例）
├── config.py
├── core/
│ ├── engine.py # 录音 / ASR / 润色 / 注入
│ ├── recorder.py
│ ├── asr.py
│ ├── polisher.py
│ ├── injector.py
│ ├── history.py
│ └── log.py
└── ui/
├── tray.py
├── mini_window.py
├── waveform_widget.py
├── icons.py
├── sounds.py
└── theme.py
```
## 🛠 技术栈
- Python 3.12 + PyQt6
- DashScope SDK（ASR：通义千问）+ OpenAI 兼容 API（LLM 润色）
- PyAudio、pynput、NumPy、loguru
## ⭐ Star History
[](https://star-history.com/#myuan19/voiceInput&Date)
## 📄 License
项目遵循 [MIT](LICENSE)
---
感谢 [LINUX DO](https://linux.do/) 社区