简体中文 · English
离线，即刻，不丢一个字。
VoiceFlow 是 Windows 上的本地语音输入工具。按 F2 开始说话，再按一次，文字就会回到当前光标处。识别、词库与历史默认留在本机；即使目标应用没有接住粘贴，结果仍可从剪贴板和本地历史中找回。
- 在任何输入框里说话：通过
F2、右Ctrl或鼠标侧键，在当前应用直接输入。 - 离线识别：默认不调用云端 ASR，也不把录音交给在线大模型处理。
- 结果可恢复：先写入剪贴板，再尝试粘贴，并同步保存到本地历史。
- 长语音持续流畅：预览、音频缓存与 UI 更新都有固定上限，不随录音时长持续堆积。
- 反馈真实而克制：录音波形来自麦克风实际音量；预览只表达进度，最终转写才会输出。
- 安静驻留：托盘运行、单实例启动、小尺寸悬浮胶囊，不打断当前工作。
VoiceFlow 目前以源码预览形式提供，尚未发布签名的 Windows 安装包。
git clone https://github.com/qinxujunai/VoiceFlow.git
cd VoiceFlow
start.bat首次启动会检查 Python 环境、安装依赖并引导准备本地模型。模型文件不进入 Git 仓库；任何下载都需要用户明确触发，并在启用前校验版本与文件完整性。
环境准备完成后，可通过桌面快捷方式安静启动。重复启动只会唤起现有窗口，不会产生多个主进程。
- Windows 10 或 Windows 11
- 可用麦克风
- 首次准备环境与模型时需要网络；日常识别可离线运行
| 按键 | 行为 |
|---|---|
F2 |
开始 / 停止语音输入 |
Right Ctrl |
开始 / 停止语音输入 |
xbutton1 / xbutton2 |
用鼠标侧键开始 / 停止 |
Esc |
取消当前录音，不输出文字 |
正常链路始终是：
说话 → 本地识别 → 确定性文本清理 → 剪贴板 → 当前光标 → 本地历史
录音时的胶囊文字是即时预览。停止后，VoiceFlow 会完成剩余音频的最终转写，再输出完整结果。短语音执行一次完整识别；长语音会持续收束稳定片段，并在停止时补齐尾部。
- 静音保护：本地 VAD 会拦截底噪、按键声和纯标点幻听，同时保留真实的单字输入。
- 完整尾部：最终结果必须覆盖停止时的全部音频，流式预览不能替代最终转写。
- 有界实时链路：预览只读取最近的固定音频窗口；稳定片段完成后释放旧 PCM。
- 最新帧优先：悬浮层只渲染最新状态，过期识别结果和 UI 帧不会排队追赶。
- 故障兜底：即使自动粘贴失败，已识别文字仍保留在剪贴板与
logs/history.jsonl。
当前默认引擎是离线 SenseVoice。VoiceFlow 也提供统一的模型适配与本机评测工具，用同一套准确率、延迟、尾部完整性和资源门槛比较 SenseVoice、Qwen3-ASR 与 Fun-ASR Nano；只有通过全部质量门的候选才会成为默认模型。
识别语言在 config.yaml 中配置。当前支持的 zh、en、auto 等选项取决于所选模型的实际能力。
venv\Scripts\python.exe scripts\verify.py
venv\Scripts\python.exe scripts\verify.py --release质量门覆盖环境诊断、编译检查、自动化测试、500 次确定性生命周期循环、快速 ASR benchmark 与集成测试。发布检查还要求真实性能记录、DPI 截图、键盘与 Narrator 任务、长录音、设备切换和驻留测试。
录音、转写、词库和历史默认只保存在本机。运行时不会自动下载模型、检查更新或调用云端识别服务；只有用户明确运行模型准备命令时才会联网。私有评测音频位于 Git 忽略目录，评测工具不会上传音频。
VoiceFlow 正处于公开 Beta 前的源码预览阶段。核心语音输入、长语音处理、剪贴板兜底和本地质量门已经可用；面向普通用户的签名安装包仍需完成最终模型授权审查、干净环境安装验证与代码签名。
项目代码基于 MIT License 开源。模型及第三方组件遵循各自许可证，公开分发前会单独完成授权审查。