VoiceInput ⌨️🎙️

[]() []()

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 | demo1 | | 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 | demo2 | | demo3 | 用于代替 Cursor 只支持英文的语音输入 | demo3 |

🚀 快速开始

前往 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）
解压或运行后，右键托盘图标进入 API Key，填入 DashScope Key

获取 API Key

git clone https://github.com/myuan19/voiceInput.git
cd voiceInput
uv .venv
.venv\Scripts\activate
uv pip install -r src/requirements.txt
set DASHSCOPEAPIKEY=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） | | apibaseurl | 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 | | enabledpolishmodels | 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 | | trayclickto_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 | | miniwindowx | 指示器水平锚点（像素，可清空以重置） | null |

环境变量 DASHSCOPEAPIKEY 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；发版迁移见 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