VoiceTranser

VoiceTranser

语音输入 → 转写 → 自动粘贴

按住全局热键说话，松开后自动完成语音转写并粘贴到当前应用。专为 AI 编程助手（Claude Code、Cursor 等）设计，完全本地运行，零外部 API 依赖。

✨ 特性

• 🎙️ 全局热键录音 — 通过外部快捷键工具（Karabiner-Elements/Raycast/Hammerspoon）触发 HTTP 端点，按住说话、松开出稿
• 🧠 本地 STT，三引擎 — 默认 Qwen3-ASR 0.6B 4bit（MLX/Metal GPU 推理，RTF 0.012-0.021，中文近完美自带标点、中英夹杂强）；SenseVoice Small int8（CPU fallback，RTF 0.03）；mlx-whisper large-v3（英文/小语种 fallback）。均离线推理，隐私安全
• 📋 自动粘贴 — 转写完自动粘贴到当前光标位置
• 🔧 误识纠正 — corrections.json 整词词表，发现新误识加一行重启即生效
• 🔔 系统通知 — 每个阶段 macOS 通知反馈，不盯终端也知道进度
• 🛡️ 自愈守护 — launchd KeepAlive + CoreAudio 死锁看门狗 + 8 项自检脚本
• 🍎 macOS 原生 — 菜单点击粘贴 + 系统通知，深度系统集成

架构

External Hotkey → HTTP /start|/stop → Recorder (sounddevice 16k mono)
  → Transcriber (Qwen3-ASR MLX 默认 / SenseVoice / mlx-whisper)
  → Corrector (corrections.json 整词纠正)
  → Output (clipboard + paste)

快速开始

前置要求

• macOS Apple Silicon（MLX 引擎需要；Intel 机型走 SenseVoice CPU 引擎）
• Python 3.11+
• uv 包管理器

安装

git clone https://github.com/Lumos-789/VoiceTranser.git
cd VoiceTranser
uv sync   # PyPI 慢时: UV_DEFAULT_INDEX=https://pypi.tuna.tsinghua.edu.cn/simple uv sync
uv run python download_model.py   # 下 SenseVoice fallback 模型(228MB, hf-mirror 源)

Qwen3-ASR 主力模型（~500MB）首次运行自动从 hf-mirror 拉取，无需手动下载。

使用

# 守护模式（HTTP 服务器，默认引擎 qwen3-mlx）
uv run python -m voicetranser

# 临时切换引擎
STT_ENGINE=sensevoice uv run python -m voicetranser   # CPU fallback
STT_ENGINE=mlx-whisper uv run python -m voicetranser  # 英文/小语种

# 处理音频文件（不粘贴，对比引擎用）
uv run python -m voicetranser --file recording.wav --no-paste

# 8 项链路自检
uv run python tests/diagnose.py

全局热键（推荐 Karabiner-Elements）

Karabiner complex_modifications 配置：right_option 按下 → curl localhost:9877/start，松开 → curl localhost:9877/stop。按住说话、松开自动转写粘贴。也可用 Raycast/Hammerspoon 触发 /toggle。

常驻后台（launchd）

cp com.voicetranser-sense.plist ~/Library/LaunchAgents/
launchctl bootstrap gui/$(id -u) ~/Library/LaunchAgents/com.voicetranser-sense.plist

开机自启 + 崩溃自愈；服务启动时后台预热模型。

macOS 辅助功能权限

首次使用需要授予终端辅助功能权限：系统设置 → 隐私与安全性 → 辅助功能 → 勾选你的终端应用（自动粘贴所必需）。

HTTP 端点

守护模式启动后监听 http://127.0.0.1:9876（默认；launchd 实例为 9877）：

端点	说明
GET /toggle	切换录音（idle → recording → processing）
GET /start	开始录音
GET /stop	停止录音并处理
GET /status	当前状态

性能实测（2026-11，Apple Silicon，16.5s 中文）

引擎	转写耗时	RTF	标点
Qwen3-ASR 0.6B 4bit MLX（默认）	0.25s	0.015	自带，规范
SenseVoice Small int8 CPU	0.53s	0.033	自带
mlx-whisper large-v3	~1.1s	~0.07	长句易丢

技术栈

组件	技术
STT 主力	mlx-audio + Qwen3-ASR 0.6B 4bit（MLX/Metal）
STT fallback	sherpa-onnx + SenseVoice / mlx-whisper
音频录制	sounddevice
包管理	uv

作为 DSH 插件使用

本仓同时是 DSH 插件（dsh.bundle 已声明）：安装后 agent 获得 voicetranser 技能，可代你完成安装、launchd 配置、Karabiner 热键配置与排障。

License

MIT