TingVoice

简体中文 | English

TingVoice 是一个 Windows 本地语音输入工具。它把语音转成文字后，自动复制并粘贴到当前输入位置，适合在 Codex、Cursor、微信、Word、浏览器输入框等场景中快速输入。

• 作者：沉汀（ChenTing）
• 版本：v1.0.2
• 项目主页 / 官网：https://github.com/ChenTingToDo/TingVoice

项目文档

• TingVoice v1.0.2 项目介绍
• TingVoice v1.0.2 Project Overview
• TingVoice 迭代历史

系统要求

• Windows 10 或 Windows 11。
• Python 3.11 或更高版本。
• 可用的麦克风输入设备。
• 首次安装依赖和下载模型时需要联网。

核心流程

快捷键或按钮开始录音
-> 单个麦克风流同时保存完整音频并送入本地流式会话
-> 悬浮窗口显示已确认文字和可替换的临时文字
-> 停止录音
-> SenseVoiceSmall 主模型识别
-> Whisper Small 备用模型兜底
-> 文本后处理
-> 自动复制
-> 自动粘贴

功能

• 本地语音识别，不调用 OpenAI API、Whisper API 或收费云端语音识别接口。
• 默认使用 SenseVoiceSmall，偏中文和中英混合输入场景。
• Whisper Small 作为备用模型，主模型失败时自动兜底。
• 使用本地 Sherpa-ONNX Streaming Paraformer 做实时字幕预览；实时预览不会替代最终整段识别。
• 悬浮字幕窗口显示录音时长、已确认文字和临时文字，识别完成后自动隐藏。
• 支持全局快捷键开始/停止录音，默认 Right Shift。
• 支持主界面按钮开始/停止录音。
• 支持常用词库，用于修正工具名、项目名、人名和专有名词。
• 支持口头禅清理模式：原样输出、保守清理、激进清理。
• 支持中文 / English 界面切换。
• 支持首次启动安装引导和模型准备进度提示。
• 启动器准备的模型会由主界面直接复用，避免跨进程重复加载。

一键启动

双击项目根目录下的：

启动 TingVoice.vbs

也可以双击桌面的 TingVoice 快捷方式。

说明：桌面快捷方式会通过 pythonw.exe 打开 GUI 启动器，正常不会弹出命令行窗口。启动 TingVoice.bat 仅作为备用入口。

首次安装

第一次启动会检查 Python 环境、本地依赖和本地语音识别组件。如果本机还没有模型缓存，会自动下载：

• 主模型：SenseVoiceSmall，约 896MB。
• 备用模型：Whisper Small，约 464MB。
• 实时字幕模型：Sherpa-ONNX Streaming Paraformer 双语 int8 文件，约 226MB。

首次安装和首次下载模型需要联网。模型和依赖准备完成后，正常识别可以离线使用。实时字幕模型只从公开模型文件地址下载，不发送音频或转写文本。启动器完成准备后会在同一进程中打开主界面，第一次录音无需再次加载主模型。

使用方式

1. 点击你想输入文字的位置。
2. 按一次 Right Shift 开始录音，或点击 TingVoice 的“开始录音”。
3. 说完后再按一次 Right Shift，或点击“停止录音”。
4. TingVoice 会识别、后处理，并自动粘贴文本。

主界面

• 首页：开始/停止录音和状态提示。
• 词典：维护常用词库。
• 设置：快捷键、文本处理模式、口头禅列表、麦克风、语言。
• 关于：版本、作者、项目链接和原创声明。

音频文件验证

如果你已经录好一段音频，可以直接用本地模型验证：

python scripts\transcribe_audio_file.py 你的音频.wav

输出示例：

原始识别：帮我打开项目。
最终输出：帮我打开项目

本地数据

默认保存在：

%APPDATA%/TingVoice/

主要文件：

• config.json
• dictionary.json
• recordings/last_attempt.wav
• recordings/last_recording.wav
• models/streaming-paraformer-bilingual-zh-en/

开发运行

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -e .[dev]
python -m tingvoice

测试

python -m pytest
python -m compileall src tests scripts

原创声明

TingVoice 是一个面向个人效率场景的本地语音输入工具，由沉汀（ChenTing）提出需求并主导设计，Codex 协助开发实现。项目仅用于本地语音输入体验探索，请遵守所用开源依赖和模型的许可协议。

开源致谢

由衷感谢以下开源项目和模型：PySide6（LGPL/GPL）、FunASR（MIT）、ModelScope、SenseVoiceSmall、faster-whisper（MIT）、Whisper Small、PyTorch（BSD-3-Clause）、sounddevice、soundfile（BSD）、pynput（LGPLv3）、pyperclip（BSD）、PyAutoGUI（BSD）、OpenCC Python Reimplemented（Apache License）。具体协议请以各项目仓库和模型页面的 LICENSE 为准。