VoiceTyper 把语音输入变成电脑里一个随手可用的能力。回消息、写文档、记录刚冒出来的想法—— 光标停在哪里，识别后的文字就写到哪里。
它安静地待在菜单栏或系统托盘里。需要输入时按住热键开口说，松开后继续手头的事情：不用打开 网页，不用把录音上传到云端，也不用在转写结果和当前窗口之间来回复制粘贴。
macOS 版本现已提供一体化应用。 识别引擎已经装进 VoiceTyper，无需配置 Python 或单独启动 服务端。下载 macOS 版本 · 查看安装说明
很多语音转写工具解决的是“把一段录音变成一份文稿”。VoiceTyper 解决的是另一件事：让语音像 键盘一样，成为任何应用都能使用的输入方式。
无论你正在微信里回复长消息，在浏览器里填写内容，在备忘录里捕捉灵感，还是在编辑器里写一段 说明，都不必离开当前窗口。按住、说话、松开，文字会出现在光标位置。
这份顺手，来自几个看似简单、实际很重要的选择：
- 不打断思路。 VoiceTyper 不要求你先创建录音、等待转写，再把结果搬到别处。整个过程就在 当前工作流里完成。
- 说话时就看得到结果。 HUD 会随着语音持续更新文本；当模型听到更多上下文时，前面的文字也 会随之修正，而不是把不准确的片段一路堆下去。
- 松手就是完成。 最终识别会自动补上标点，并将口述数字整理为更自然的书写形式，例如把 “六十四兆”写成“64兆”。
- 它是一款完整的桌面应用。 模型下载、语言选择、热键、权限、开机启动、内存释放和可选的 智能纠错，都可以在应用里完成；日常使用不需要终端。
第一次启动时，VoiceTyper 只会引导你完成必须亲自确认的系统权限。macOS 版会在后台 自动下载、校验并加载约 230MB 的语音模型，无需手动点击下载；模型只需下载一次。 准备完成后，日常使用只有三个动作：
- 把光标放在想要输入文字的位置。
- 按住热键开始说话，在浮窗中查看实时识别结果。
- 松开热键，最终文字自动写入当前应用。
短于 0.3 秒的按键会被当作误触丢弃。macOS 上还可以在录音中按 Esc 取消，临时改主意时不会
留下任何文字。
默认热键：
| 平台 | 默认热键 | 当前状态 |
|---|---|---|
| macOS | Fn / 地球仪键 |
可用；支持 Apple Silicon、macOS 14 及以上 |
| Windows | Ctrl + F2 |
一体化版本已完成实现，首次正式发布前仍需真实 Windows 设备验证 |
| Linux | — | 一体化版本尚未实现；可使用客户端—服务端版本 |
语音往往比最终写下来的文字包含更多私人信息：周围人的声音、房间里的谈话，以及那些说出口后 并不打算保存的片段。因此，本地识别不是一个装饰性的卖点，而是 VoiceTyper 的基本设计前提。
默认情况下：
- 录音只在当前电脑内存中处理，不会上传到 VoiceTyper 或其他语音服务；
- SenseVoice-Small 模型直接通过应用内的 ONNX Runtime 运行；
- 模型下载完成后，语音识别可以断网使用；
- 不需要注册账号，没有调用次数或订阅额度；
- API Key 不会写进普通配置文件，而是存放在 macOS Keychain 或 Windows DPAPI 保护的存储中。
VoiceTyper 也提供可选的 LLM 智能纠错，用来处理同音字、口语表达和更复杂的标点。这个功能默认 关闭；只有主动启用后，识别出的文字才会发送到你自己配置的 OpenAI 兼容服务，音频始终不会 发送。若希望完全离线，也可以接入本机运行的兼容模型。
VoiceTyper 希望把本地语音识别做成一个可以长期留在电脑上的日常工具，而不是只在演示时看起来 不错的技术样品。
| 能力 | 带来的体验 |
|---|---|
| 系统级输入 | 不绑定某个编辑器；聊天、浏览器、文档和大多数可输入文字的应用都能使用 |
| 实时、自我修正的预览 | 不必对着一个没有反馈的录音状态等待，也能及时发现麦克风或识别问题 |
| 自动标点与数字规范化 | 结果更接近可以直接发送或继续编辑的文字 |
| 中英粤日韩 | 可以指定语言，也可以自动判断；中英夹杂时不需要频繁切换 |
| 原生热键与浮窗 | 不抢走当前窗口焦点，多屏环境下也会跟随正在工作的屏幕 |
| 空闲自动卸载模型 | 不使用时可以释放识别引擎占用的内存，下次录音时自动恢复 |
| 可选 LLM 纠错 | 需要时进一步润色，不需要时保持完全本地、简单可控 |
系统要求：Apple Silicon（M 系列芯片）、macOS 14 Sonoma 或更高版本。
- 前往 Releases 下载
VoiceTyper-<版本>-macOS-arm64.dmg。 - 打开 DMG，将
VoiceTyper.app拖入“应用程序”。 - 第一次打开时，按照应用内引导授予麦克风、辅助功能和输入监控权限。
- 应用会同时自动准备语音模型；就绪后按住
Fn开始使用。
当前安装包没有进行 Apple 公证。若 macOS 阻止首次打开，请前往“系统设置 → 隐私与安全性”， 选择“仍要打开”。权限用途、卸载方法和常见问题请参阅 macOS 完整使用说明。
Windows 一体化应用支持 Windows 10/11，并同时面向 x64 与 arm64。代码与自动化测试已经完成， 但目前还没有在真实 Windows 设备上完成编译、安装、性能和长期运行验证。因此，我们暂不把它 描述成已经稳定发布的版本。
如果你愿意参与验证或从源码构建，请阅读 Windows 使用与开发说明以及 待验证风险清单。这项状态会在真机验证完成后更新。
不是。VoiceTyper 不替换系统输入法，而是把识别结果写入当前获得焦点的输入区域。因此通常不需要 改变原有的中英文输入习惯，也不会接管键盘。
不需要。首次下载语音模型时需要联网，之后的语音识别在本地完成。只有主动开启 LLM 智能纠错时， 才需要连接你配置的模型服务。
麦克风用于录音，输入监控用于在其他应用中响应全局热键，辅助功能用于把文字送到当前光标位置。 VoiceTyper 不会利用这些权限记录与语音输入无关的内容。
大多数能够正常粘贴文字的应用都可以使用。部分密码框、游戏、远程桌面或以管理员身份运行的窗口 会阻止系统级输入模拟；识别结果通常仍会保留在剪贴板中，可以手动粘贴。
当前一体化 macOS 应用只支持 Apple Silicon。Linux 一体化版本仍然空缺。Intel Mac、Linux、远程 识别以及多台设备共用一台 ASR 服务器的需求，可以使用仓库保留的 客户端—服务端实现。
一体化应用目前专注于 SenseVoice-Small，不支持更换为 paraformer 或配置热词。需要这些能力时， 可以使用客户端—服务端版本。清晰、稳定的默认体验优先于暴露大量尚未打磨的模型选项。
macOS 与 Windows 应用拥有相同的产品架构：热键开始录音，本地会话持续产生完整预览，松开后完成 最终识别与文本插入。Windows 的识别管线由经过验证的 macOS Swift 实现对应移植而来，两个平台 共用一套 Python 金标准夹具，以检查 fbank、LFR/CMVN 和文本后处理的一致性。
voice-typer/
├── macos/ # Swift + AppKit/SwiftUI 一体化应用
├── windows/ # .NET + WinForms 一体化应用
└── client-server/ # 保留维护的旧架构：Python 服务端与三个平台客户端
cd macos
ruby scripts/generate_xcodeproj.rb
open VoiceTyper.xcodeproj
xcodebuild -project VoiceTyper.xcodeproj \
-scheme VoiceTyper \
-destination 'platform=macOS' testcd windows
dotnet restore
dotnet run
dotnet test进一步阅读：
VoiceTyper 的本地识别能力建立在 SenseVoice 和 ONNX Runtime 之上。感谢这些项目让高质量、可离线的语音识别能够真正进入普通桌面应用。