VoiceKey - 语音转文字

一个简洁高效的 Windows 语音转文字工具，支持云端 API 和本地 Whisper 模型两种识别方式，可通过热键快速录音并自动输入识别结果。

• 双模式识别：支持云端 API 和本地 Whisper 模型
• 热键录音：默认 Ctrl+Alt+V 快速启动/停止录音
• 自动静音检测：智能检测静音自动停止录音
• 悬浮窗显示：实时显示录音状态
• 系统托盘：最小化到托盘，后台运行
• 中文输出：支持简体/繁体中文转换
• 音频文件转换：支持上传音频文件批量转文字
• 隐私保护：本地模式无需网络，数据不上传
• 星火大模型对话：集成星火大模型 API，润色输出

• Windows 10/11
• Python 3.8+
• 麦克风设备

pip install -r requirements.txt

python main.py

1. 启动程序：程序启动后会在系统托盘显示图标
2. 开始录音：按下 Ctrl+Alt+V 开始录音
3. 停止录音：
   • 再次按下 Ctrl+Alt+V 手动停止
   • 或等待自动静音检测停止
4. 查看结果：识别结果会自动输入到当前光标位置

右键点击托盘图标选择"设置"，可配置：

• 识别模式：云端识别 / 本地识别
• 本地模型：Tiny / Base / Small
• 中文输出：简体中文 / 繁体中文
• 热键配置：自定义快捷键
• 录音设置：静音阈值、采样率等
• 星火大模型：API 配置和对话管理

使用 SiliconFlow API 的 SenseVoiceSmall 模型：

1. 注册 SiliconFlow 账号
2. 获取 API Key
3. 在设置中填入 API Key

优点：

• 无需本地计算资源
• 识别速度快
• 模型效果好

使用 faster-whisper 本地模型：

1. 在设置中选择"本地识别"
2. 选择模型大小（Tiny/Base/Small）
3. 点击"下载模型"

优点：

• 无需网络连接
• 隐私安全
• 无 API 费用

模型对比：

• 多轮对话：支持连续对话，上下文理解
• 会话管理：创建、切换、删除对话会话
• 流式输出：实时显示模型回复
• Token 管理：自动管理对话长度，防止超出限制

1. 获取星火大模型 API 密钥
2. 在设置中填入 API URL 和 API Password
3. 点击"测试连接"确认配置正确

1. GUI选择"星火对话"
2. 在对话窗口中输入问题
3. 点击"发送"或按 Ctrl+Enter 发送消息
4. 模型会实时回复，支持连续对话

• 文本润色：优化语音识别结果，使文本更流畅自然
• 内容扩展：基于识别结果进行内容扩展和丰富
• 语法修正：自动修正识别结果中的语法问题
• 多轮交互：通过对话形式调整和完善文本内容

/
├── main.py                    # 程序入口
├── requirements.txt           # 依赖列表
├── FunAudioLLM.png            # 应用图标
├── local_whisper_server.py    # 测试文件
├── voice_to_text/
│   ├── __init__.py
│   ├── app.py                 # 主程序
│   ├── config.json            # 配置文件
│   ├── chat_history/          # 对话历史存储
│   └── modules/
│       ├── __init__.py
│       ├── api_client.py      # 云端 API 客户端
│       ├── audio_recorder.py  # 音频录制模块
│       ├── chat.py            # 星火大模型对话
│       ├── chat_window.py     # 对话窗口
│       ├── config.py          # 配置管理
│       ├── floating_window.py # 悬浮窗模块
│       ├── gui.py             # 设置界面
│       ├── hotkey_manager.py  # 热键管理
│       ├── local_whisper.py   # 本地 Whisper 模块
│       ├── text_input.py      # 文字输入模块
│       └── tray_icon.py       # 系统托盘模块

配置文件 config.json 位于程序目录：

local_whisper_server.py 是一个独立的本地 Whisper API 服务测试文件，可提供本地 HTTP API 接口。此文件仅用于测试目的，主程序不依赖此文件。

• 检查麦克风是否正确连接
• 检查系统麦克风权限设置
• 尝试调低静音检测阈值

• 检查 API Key 是否有效（云端模式）
• 检查模型是否已加载（本地模式）
• 尝试增加录音时长

• 检查热键是否被其他程序占用
• 尝试更换热键组合
• 以管理员权限运行程序

• 检查网络连接
• 程序会自动使用 HuggingFace 镜像源
• 可手动下载模型到 models/ 目录

• 检查 API URL 和 Password 是否正确
• 检查网络连接
• 确认 API 服务是否可用

git clone https://github.com/conm599/VoiceKey.git
cd VoiceKey
pip install -r requirements.txt
python main.py

本项目采用 GNU General Public License v2.0 (GPLv2) 许可证。

详见 LICENSE 文件。

本项目使用了以下开源库：

以上库的许可证文件可在各自的 GitHub 仓库中找到。本项目在使用这些库时遵循其各自的许可证条款。

欢迎提交 Issue 和 Pull Request！

• faster-whisper - 高效的 Whisper 推理
• OpenAI Whisper - 原始 Whisper 模型
• SiliconFlow - 云端 API 服务
• SenseVoice - 语音识别模型
• 星火大模型 - 智能对话能力