Windows 本地语音输入工具 — 按下快捷键说话，文字自动输入到任意应用的光标位置。
免费、开源、完全离线、中文效果好。
Windows 自带的语音输入（Win+H）需要联网，且中文效果一般。讯飞等商业工具要登录、要付费、要上传数据。GitHub 上现有的开源方案几乎都用 Whisper，中文不是强项。
SenseType 解决这些问题：
- 在任意位置输入 — 浏览器、Word、VS Code、微信、记事本……光标在哪，就输到哪
- 专为 Windows 设计 — Win32 API 直接调用，不依赖额外系统组件
- 免费开源 — 无订阅、无 API 密钥、无使用次数限制
- 完全本地 — 所有处理在本机完成，不上传任何音频数据
- 中文效果好 — 基于阿里 SenseVoice-Small，中文字错率比 Whisper 低 15-20%
- 速度快 — 非自回归架构，10 秒音频推理约 70ms，比 Whisper-Large 快 15 倍
- 开箱即用 — 自动检测 GPU/CPU、内置标点恢复和语音活动检测，无需额外配置
- 部署指南详细 — 从零开始的 Windows 安装指南，含清华源配置，小白也能跟着装
- 全局快捷键
Ctrl+Alt+Z，在任意应用中触发 - 两种模式：按住说话（hold）/ 按一下开始再按一下停止（toggle）
- 中文为主，支持中英混合输入（也支持英语、日语、韩语、粤语）
- 自动 GPU/CPU 检测 — 有显存 >= 4GB 的 GPU 用 CUDA，否则自动回退 CPU
- 浮动状态条 — 录音时显示实时音量，识别时显示动画
- 系统托盘图标 — 显示当前状态（加载中/就绪/录音/识别）
- 自动标点恢复（ITN） — 不用手动加逗号句号
- 录音自动保存 — 可配置保留数量
完整的从零安装步骤（含 micromamba 安装、清华源配置、避坑指南），请看 Windows 安装指南。
以下是已有 Python 环境的快速安装方式。
1. 创建环境 + 安装 PyTorch
micromamba create -n sensetype python=3.11 -y
micromamba activate sensetype
# 有 GPU（CUDA 12.1）
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu121
# 无 GPU
pip install torch torchaudio2. 安装依赖
pip install -r requirements.txt3. 运行
双击项目根目录的启动脚本即可：
| 文件 | 说明 |
|---|---|
SenseType.bat |
带控制台窗口，可看运行日志，适合调试 |
SenseType.vbs |
无控制台窗口，双击即用，适合日常使用 |
两者都会自动定位 Python 环境并以管理员权限运行。
也可以手动从命令行启动（需管理员权限）：
python -m sensetype首次启动会从 ModelScope 下载模型（约 400MB）。
修改 sensetype/config.py：
| 配置项 | 默认值 | 说明 |
|---|---|---|
HOTKEY |
ctrl+alt+z |
全局快捷键 |
MODE |
toggle |
hold = 按住说话 / toggle = 按一下开始再按一下停止 |
DEVICE |
auto |
auto = 自动检测 / cuda:0 / cpu |
LANGUAGE |
auto |
auto / zh / en / ja / ko / yue |
USE_ITN |
True |
自动加标点 |
OVERLAY_ENABLED |
True |
浮动状态条开关 |
SILENCE_THRESHOLD |
0.01 |
静音判定阈值 |
AUDIO_KEEP_COUNT |
10 |
保留最近几条录音 |
- Windows 10/11
- Python 3.11
- 麦克风
- NVIDIA GPU（显存 >= 4GB，推荐）或 CPU
- 管理员权限（全局热键需要）
| 工具 | 模型 | 本地 | 中文质量 | 速度 | 免费 |
|---|---|---|---|---|---|
| SenseType | SenseVoice-Small | ✅ | 优秀 | ~70ms/10s | ✅ |
| Windows 语音输入 (Win+H) | Azure Speech | ❌ | 一般 | 取决于网络 | ✅ |
| 讯飞语音输入 | 讯飞引擎 | ❌ | 优秀 | 取决于网络 | 部分 |
| buzz | Whisper | ✅ | 一般 | ~1s/10s | ✅ |
| WhisperWriter | Whisper | ✅ | 一般 | ~1s/10s | ✅ |
| SenseType | Whisper 系工具 | |
|---|---|---|
| 模型 | SenseVoice-Small（阿里） | Whisper / faster-whisper |
| 架构 | 非自回归 | 自回归 |
| 速度 | 10s 音频 ~70ms | 10s 音频 ~1s+ |
| 中文字错率 | 更低（改善 15-20%） | 较高 |
| 标点恢复 | 内置 | 需额外处理 |
| 语音活动检测 | 内置 (FSMN-VAD) | 需单独配置 |
性能数据来源于 SenseVoice 官方基准测试。
快捷键按下 ──► 录音 ──► SenseVoice 识别 ──► 粘贴到光标
(keyboard) (sounddevice) (FunASR) (Win32 API)
│ │
▼ ▼
浮动状态条 系统托盘
(tkinter) (pystray)
sensetype/
├── __main__.py # 入口
├── main.py # 主循环：热键监听 + 串联各模块
├── config.py # 所有可配置项
├── recorder.py # 录音（sounddevice, 16kHz mono）
├── transcriber.py # 语音识别（SenseVoice via FunASR）
├── input_paste.py # 粘贴到光标（Win32 剪贴板 + Ctrl+V）
├── tray.py # 系统托盘图标
└── overlay.py # 浮动状态条（音量可视化）
- 全局快捷键录音（hold / toggle）
- SenseVoice 本地推理 + VAD + ITN
- 粘贴到任意应用光标位置
- 浮动状态条 + 系统托盘
- 自动 GPU/CPU 检测
- 录音开始/结束提示音
- 文本后处理规则（专业术语矫正）
- 开机自启
- 前端 UI 美化
- SenseVoice — 阿里 FunAudioLLM 团队的语音识别模型
- FunASR — 语音识别推理框架