按住快捷键说话，松开后将整理好的文字输入当前文本框。
使用范围：仅限个人非商业使用；禁止未经授权的商用和二次开发。详见 许可协议 和 2.7.0 版本说明。
软件自动从 GitHub Releases 检查并下载新版，安装版在后台静默安装、便携版原地替换，完成后自动重新打开，见 2.6.0 版本说明。检查与下载机制见 2.2.0 版本说明。
VoiceInput 是一款 Windows 托盘语音输入工具，使用阿里云百炼进行语音识别，使用 DeepSeek 对整轮文字进行轻量润色，支持专业词库、本地历史记录和纠错学习。程序使用原生 WinUI 3 界面，提供自包含安装版和便携版，与现有拼音输入法配合使用，不注册到 Windows 的语言切换列表。
普通操作保留复制、快速润色及采集诊断优化见 2.1.12 版本说明。Win10 麦克风包兼容修复见 2.1.11 版本说明。运行日志与故障导出见 2.1.10 版本说明及日志使用说明；录音排障见 Win10 录音启动与浮窗验证，输入接口研究见 Win10 输入与剪贴板策略。
- 按住说话：默认使用右侧 Ctrl，也可选择 F8 或 F9。松开后收齐尾句，把完整结果直接输入到原窗口当前光标处，不占用剪贴板，不自动按回车发送。标准文本框一次替换选区；其他软件按字符输入，期间临时关闭目标输入法，避免候选词或标点转换干扰。多行正文、特殊控件或直接输入不可用时，改用整段复制和一次 Ctrl+V。没有输入焦点时仍完成识别、文字处理和自动复制；可到目标输入框手动 Ctrl+V。
- 仅听写：可在主窗口或托盘开启，完成后自动复制正文，适用于无焦点或无法自动输入的编辑器。
- 原生 WinUI 3 界面：侧边导航组织听写、历史、词库、设置与帮助；原生对话框和文件选择器。识别浮窗采用约 360 × 56 DIP 的单行磨砂胶囊，在目标屏幕底部居中，左侧音量、中间最新文字、右侧计时或投递结果；不抢焦点，鼠标穿透。胶囊采用桌面 Acrylic、半圆端部、细描边与柔和阴影，透明外沿不遮挡桌面。开启 Windows 大字体时适当调整尺寸；结束后停留 3 秒再淡出，保存失败持续提醒。系统关闭透明效果、高对比度或不支持材质时使用平滑实色胶囊；托盘菜单继续沿用 Windows 原生窗口外框。
- 开机自启动：在设置中开启后，Windows 登录时静默驻留托盘，按快捷键才开始录音；可随时关闭。
- 整轮润色：一次长按对应一次全文润色，保留数值、单位、否定关系和专业术语。提示词可编辑、试用及恢复默认；处理失败或校验未通过时保留整理前文字，已确认的本地纠错仍保留。
- 长语音输入：默认录音时限为 10 分钟，最多可设为 30 分钟。服务端识别片段在客户端合并，期间不分片润色。
- 专业词库：支持项目和全局词库、手动权重、动态词频、标准写法保护，以及 TXT、CSV、JSON 导入导出；可查看本轮实际提交的热词。
- AI 词库生成：按领域和数量要求生成词条，可选 Max 思考深度，预览、编辑后导入。
- 纠错学习：从本程序内保存的手动修订中发现候选，在本地统计重复纠错次数，确认后可将旧写法自动纠正为标准写法，并参与后续热词排序；支持关闭自动纠正、忽略和撤销学习。
- 历史与提词：按项目、时间或关键词查找本地记录，也可从允许整理的全部历史中提取词条，支持取消、续跑和来源追溯。
- 输入兼容性：按下/松开事件决定录音时长；不再因系统查询不到 Ctrl 按下状态而误取消。文字跟随原窗口内的当前焦点：编辑器重建或切换内部控件、点击调整光标、滚动页面都不会停止自动输入。其他窗口短暂弹出（通知、提示）时给予 1.5 秒恢复时间，持续切走后保留听写并自动复制。没有原生输入焦点时自动转为仅听写并复制。密码框和普通文本框一样直接输入，投递前再次检查当前控件。
- 输入保护与诊断：检测输入目标变化，区分焦点变化和辅助功能查询异常；提供本地麦克风测试及录音诊断。
- 运行日志与导出：自动记录启动、麦克风、识别、文字处理、复制粘贴及异常阶段。在“设置 → 更新与维护 → 导出运行日志”保存一个
.log文件，包含近期运行记录；准备麦克风卡住时也可导出。日志自动滚动，不记录 Key、录音、识别正文或设备原始名称。
| 项目 | 要求 |
|---|---|
| 系统 | Windows 10 1809（17763）及以上 / Windows 11 x64 |
| 音频 | 可用的麦克风，并允许桌面应用访问麦克风 |
| 网络 | 能够访问阿里云百炼和 DeepSeek 官方服务 |
| 凭据 | 自行配置百炼和 DeepSeek API Key，账户需有相应服务权限和可用额度 |
| 运行时 | 安装版与便携版均包含 .NET 和 Windows App SDK，无需另装运行时 |
- 打开 Releases，选择
VoiceInput-Setup-<版本号>.exe安装版，或VoiceInput-Portable-x64-<版本号>.zip便携版。安装版按向导安装；便携版须完整解压，运行顶层的VoiceInput.exe。 - 打开“设置”，填写百炼 API Key、地域、业务空间 ID 和 DeepSeek API Key。地域、业务空间与 Key 应对应；使用官方兼容地址时，勾选对应选项。
- 选择麦克风并保存设置。可先运行“本地麦克风测试（3 秒）”，再分别测试云端连接。云端测试会实际调用 API，可能计费。
- 在目标应用的可编辑文本框内放好光标，按住所选说话键（默认右侧 Ctrl）；浮窗会显示收音和识别状态。
- 松开快捷键，等待识别收尾。默认最多等润色 0.8 秒，之后使用完整识别正文及已确认纠错；可在设置中关闭“优先快速上屏”。等待时普通回车跳过剩余润色，Esc 取消。其他按键会停止本轮自动输入，继续识别并自动复制；鼠标点击和滚轮不影响。程序把结果输入到原窗口的当前光标处，剪贴板保持不变；改用粘贴时正文留在剪贴板。没有可靠输入位置时完成听写并自动复制，可到目标输入框手动 Ctrl+V。
首次启动会打开管理窗口，关闭窗口后程序留在托盘。双击托盘图标可重新打开；彻底关闭程序请使用托盘菜单中的“退出”。当前程序与安装包未签名；更新包通过 GitHub 发布清单的 SHA-256 校验。
安装版默认安装到当前用户的 %LOCALAPPDATA%\Programs\VoiceInput，无需管理员权限，支持从 Windows 的“已安装的应用”卸载。升级和卸载前请从托盘退出程序；卸载保留配置、词库和历史数据。
便携版无需安装，解压目录按下表组织。请保留整个目录，只启动顶层 VoiceInput.exe。
| 文件或目录 | 用途 |
|---|---|
VoiceInput.exe |
启动入口 |
app/ |
主程序、运行时、DLL 和界面资源 |
licenses/ |
第三方许可证 |
README.txt |
运行与升级说明 |
LICENSE.txt |
个人非商业使用许可协议 |
两种版本继续使用同一 Windows 用户的原有数据目录，便携版的配置与历史也保存在 %LOCALAPPDATA%\RealtimeTranscription。移动程序目录不会迁移或清空数据。API Key 和敏感内容使用当前用户的 DPAPI 加密，便携包不含个人数据。
在“设置”中开启“开机自启动”后，程序于当前用户登录 Windows 时驻留托盘，不展开主窗口，也不开始录音。开关直接读取 Windows 的启动注册状态。若在 Windows 的“启动应用”中禁用，请按界面提示到系统设置恢复；程序不会覆盖系统禁用决定。
便携目录移动后，手动启动新位置的 VoiceInput.exe 并检查自启动状态。卸载安装版会移除指向该安装位置的自启动项，保留其他便携位置的启动设置。
| 操作 | 入口与说明 |
|---|---|
| 修改润色提示词 | “设置 → 识别与润色 → 编辑与试用润色提示词”，编辑后点击“保存提示词”；恢复默认后也需保存 |
| 生成领域词库 | “词库 → AI 生成”，例如填写“HR 领域专业术语”、目标 100 个，检查结果后导入 |
| 学习纠错 | “对照与编辑 → 原始片段修订”保存改字，再到“词库 → 纠错学习”确认候选 |
| 提取历史词条 | 在“历史记录”或“设置”点击“提取全部历史词条”，候选确认后启用 |
| 查看词库作用 | “词库 → 查看下轮热词”查看排名和实际权重；“听写 → 查看本轮词库”查看提交快照、保护词与纠正次数 |
| 找回未自动输入的结果 | 双击托盘图标，在“听写”复制文字并手动粘贴 |
| 开机自启动 | 在“设置”开启或关闭；开启后登录 Windows 时静默驻留托盘 |
| 只听写、不自动输入 | 在主窗口或托盘开启“仅听写”，按住说话键录音，完成后自动复制正文 |
纠错学习仅处理本程序内的手动编辑；历史提词仅扫描本程序保存的记录，不读取其他应用或 ChatGPT 的聊天记录。修改历史正文不会改写已经输入到外部文档中的文字。
开启“根据使用与人工纠错调整热词优先级”后，程序按当前项目内不同录音会话累计词条使用与人工纠正次数，并结合最近使用时间、手动权重、项目范围和置顶状态选择最多 200 个热词。活跃词条可提高排序和实际识别权重，用户保存的手动权重不变。关闭动态调整后，恢复按手动设置排序。
统计需要同时允许本地保存、学习和该会话的词条整理。重复保存、同轮多次提及不重复计数；自动纠正及 AI 润色不会作为新的人工纠错。修改、撤销或删除来源会更新统计，全局词条也按当前项目分别计数。新增统计从升级后的保存与明确确认学习开始，不会自动扫描全部旧历史。
在纠错候选确认窗口勾选“自动纠正这组已确认写法”，后续录音结束后会先应用这组映射，再进行全文润色；关闭润色仍可自动纠正，原始识别文本保留。旧版已学习记录默认继续仅作为热词，可在“纠错学习 → 已学习”中选择记录并启用自动纠正。手动填写或导入的别名不会自动取得替换权限。
自动纠正采用精确匹配，跳过引文、代码、数字或单位变化、中文正负及指数变化、数量比较变化、否定变化、冲突映射、重叠匹配及不完整的识别轮次；不跨 ASR 片段替换。同一标准词支持多个经确认的旧写法，可逐条关闭或撤回；列表显示映射实际有效状态和失效原因。手动修改词条共享别名不会代替逐条映射授权；应在纠错学习列表管理每条映射。
词库保留大小写区别，mA/MA、Co/CO 可以分别保存、统计和提交。旧版已经合并删除的专业写法需要重新导入。热词“已提交”表示识别任务已接受启动请求，不代表云端一定正确识别了该词；仍需用自己的语音核对实际效果。
- 左侧 Ctrl 不触发录音。右 Ctrl 与其他键组成快捷键时会取消本轮语音；F8、F9 的按键事件仍会传递给目标应用，应避免与常用快捷键冲突。
- Esc、其他键盘输入、持续切换到其他窗口、设备变化、锁屏和睡眠会取消本轮自动输入。鼠标点击、滚轮和同一窗口内的焦点变化不会取消；文字输入到松手时的光标处。已确认的识别文字仍可查看和复制。
- 上一轮收尾尚未结束时不能开始下一轮。达到录音时限后停止自动输入，保留已确认文字供复制。
- 自动输入默认“直接输入到光标处”，不占用剪贴板：标准 Edit/RichEdit 文本框通过 EM_REPLACESEL 一次替换选区，可用目标软件的撤销；其他软件通过一次 SendInput 发送整段 Unicode 字符，系统不会把它与实际键鼠输入交错。中、日、韩输入法处于开启状态时，先临时关闭目标输入法，等目标处理完这批字符后恢复原状态，避免 2.1.4 中出现的个别文字被标点替换。无法确认输入法状态时不冒险键入。
- 多行正文、超过 4000 字、管理员权限软件拒绝输入或直接输入不可用且未发出任何字符时，改用整段复制和一次 Ctrl+V，正文留在剪贴板。直接输入可能已部分到达目标时，不再粘贴重发，只复制完整正文并提示核对。可在“设置 → 输入与麦克风 → 上屏方式”关闭直接输入，始终使用粘贴。
- “已输入”“已发起粘贴”表示系统接收了输入，本身不代表已经核实目标应用的正文。剪贴板被占用时短暂等待，仍不可用则保留结果供手动复制；结果不确定时提示核对，不自动重发。无需自动输入时可开启“仅听写”。
- 自动输入结合 Win32 和 UI Automation。键盘能输入的地方都直接输入，密码框也不例外；投递前再次检查当前控件，原生文本框只读或控件禁用时只复制。UIA 信息未知时按原生焦点输入。程序不强制抢回焦点，不重复输入。辅助功能查询在独立工作进程中运行，超时后终止并在下一轮重新捕获。
- 起录阶段先采集音频；收到首帧后浮窗立即显示“正在聆听”，无需等待云端就绪。词库准备与允许启动后的网络握手并行，识别任务仍使用本轮刷新的词库。长按门槛和目标检查通过后才建立识别连接，服务确认任务后才按序上传音频。本地启动缓存最多 15 秒，连接后正常上传积压最多 5 秒。发现采样缺口或无法完整收齐尾包时取消自动输入，保留已确认文字。
- “查看录音诊断”记录失败阶段、异常类型、HRESULT，以及按键至首帧录音、按键至识别就绪的毫秒数，用于区分本地设备启动与网络等待。失败后请先复制诊断，再运行会覆盖诊断的麦克风测试。麦克风尚未产出首帧时显示“准备麦克风”，松键后不会恢复聆听状态。
- 已选麦克风断开或明确失效时，本轮临时使用 Windows 默认通信麦克风，保留原设备设置以便重连后恢复；设置页明确显示失效状态，本地测试和快捷键录音采用相同选择规则。设备占用、权限不足、音频服务停止或格式不支持时显示相应建议，不自动改用其他麦克风。
- 全文自动润色最多处理 30,000 个 Unicode 字符，支持确定的填充语、局部口吃删除和有限标点整理。超限、失败或响应不完整时保留完整的整理前文字（含已应用的确认纠错）。编辑提示词不会解除数字、否定、引文和语序保护；超出允许范围的改写会显示回退原因。
具体应用的兼容性、真实麦克风和云端接口仍需实机验证。各版本的自动测试与构建结果请查看对应 Actions 记录；验证记录中的测试数量属于所标注的历史版本。
| 功能 | 发送内容与服务 |
|---|---|
| 语音识别 | 录音音频及选中的识别热词发送至百炼 |
| 全文润色 | 本轮确认文字、润色提示词及相关词库上下文发送至 DeepSeek |
| AI 词库生成 | 领域要求和生成所需上下文发送至 DeepSeek |
| 当前会话或全部历史提词 | 符合保存与学习许可条件的来源文字发送至 DeepSeek |
| 纠错候选发现、本地麦克风测试 | 在本地处理，不额外调用云端 API |
服务费用由用户自己的账户承担。程序中的每日词库 AI 预算仅覆盖词库生成和词条整理，不包含语音识别及普通全文润色；预算按 UTC 00:00（中国标准时间 08:00）重置。
用户数据位于 %LOCALAPPDATA%\RealtimeTranscription\：
| 文件 | 内容 |
|---|---|
settings.json |
非秘密设置 |
credentials.dat |
使用当前 Windows 用户的 DPAPI 加密保存的 API Key |
sessions.db |
历史、项目、词库及纠错数据；敏感内容使用 DPAPI 加密负载，查询索引并非全部加密 |
sessions.db-wal、sessions.db-shm |
SQLite 运行期文件 |
默认保存本地文本历史，不保存录音文件。可关闭文本保存，或单独撤回某条会话的词条整理许可。导出的 TXT、Markdown 和 JSON 为明文。
保留期限在设置保存后立即执行，驻留期间每分钟维护。数据库无法初始化时自动进入无记忆模式，暂停历史、词库和学习，保留听写与复制；新内容暂不保存。修复数据目录后点击“重试保存”恢复。遇到较新数据库版本时拒绝继续读写，不覆盖原数据。
升级前从托盘退出旧版，备份完整用户数据目录，再运行新版。现有设置、Key、历史和词库继续沿用。
1.4.0 将数据库升级到版本 3，新增可追溯的词频统计。回退至 1.3.x 或更早版本时，需要恢复升级前的备份。DPAPI 绑定 Windows 用户，直接复制加密文件到其他用户或电脑不保证能够解密。详见 1.3.0 升级说明。
1.5.0 沿用数据库版本 3，改进多别名和大小写处理。升级前已开启的明确纠错权限继续沿用；旧版仅追溯、未授权的别名不会自动开启替换。
推荐在 Windows 上使用 PowerShell 构建。安装 global.json 指定的 .NET SDK 10.0.401，安装 Visual Studio 2022 或更新版本的“使用 C++ 的桌面开发”组件，并确保可以还原 NuGet 依赖。打包脚本会下载并校验固定版本的 Inno Setup 6.7.3 编译器。
git clone https://github.com/arcxya09/voiceinput-windows.git
cd voiceinput-windows
.\build.ps1build.ps1 会按依赖锁文件还原包，编译并运行回归测试，然后发布 Windows x64 自包含程序。输出位置：
artifacts/VoiceInput-Setup-<版本号>.exe：当前用户安装包。artifacts/VoiceInput-Portable-x64-<版本号>.zip：整理目录后的便携包，须完整解压。artifacts/publish/win-x64/：WinUI 主程序与运行依赖。
脚本结束时输出发布文件的 SHA-256。仅运行测试可使用：
dotnet restore tests/Tests.csproj --locked-mode -m:1
dotnet build tests/Tests.csproj -c Release --no-restore -m:1
dotnet tests/bin/Release/net10.0/Tests.dll| 路径 | 内容 |
|---|---|
src/Core/ |
状态机、润色校验、词库规则、纠错比较和音频重采样 |
src/Infrastructure/ |
云端接口、DPAPI 和 SQLite 存储 |
src/Desktop/ |
原生 WinUI 3 界面、WASAPI 采集、托盘和流程协调 |
src/Desktop/Input/ |
全局快捷键、输入目标验证和文字投递 |
src/Launcher/ |
原生 Windows 启动入口 |
installer/ |
安装、卸载及便携目录打包配置 |
tests/ |
核心、协议、存储和协调器回归测试 |
docs/ |
技术设计、更新说明和验证记录 |
licenses/ |
第三方许可证与运行时声明 |
LICENSE.txt |
项目主许可协议 |
.github/workflows/ |
GitHub Actions 构建与发布配置 |
Pull Request 会执行回归测试、Windows 构建、发布脚本离线测试和实际 EXE 的桌面冒烟检查。推送到 main 或在 main 手动运行 发布工作流，同时执行安装、启动和卸载验证，通过后发布安装包、便携 ZIP、源码包、构建日志和 SHA256SUMS.txt。发布步骤核对服务器最终状态、tag 提交和下载附件的哈希。
发布新版本时，更新 Directory.Build.props 中的 Version，并添加 docs/releases/<版本号>.md。工作流成功后创建对应的 v<版本号> Release；已发布版本的附件保持不变。仅修改文档无需提升应用版本。
- 技术设计
- 2.7.0 设置分页与手动检查更新
- 2.6.2 Obsidian 等 Electron 编辑器的焦点识别
- 2.6.1 全项目审查修复
- 2.6.0 自动安装更新
- 2.5.0 直接输入与焦点跟随
- 2.1.6 整段复制粘贴上屏
- 2.1.4 起录反馈与上屏兼容性优化
- 2.1.3 原生磨砂胶囊浮窗
- 2.1.2 全项目审查修复
- 2.1.1 原生窗口边缘与实时预览修复
- 2.1.0 界面修正、安装版与开机自启动
- 2.0.0 原生 WinUI 3 界面重构
- 1.5.0 全程序审查修复 · 逐项修复计划与验收
- 1.4.0 动态词频与确认纠错
- 1.3.1 版本说明 · 输入焦点修复细节
- 1.3.0 纠错学习
- 1.2.1 数据保存与词库修复
- 1.2.0 全文润色与历史提词
- 历史构建与验证记录
请通过 Issues 提交问题，附上程序版本、Windows 版本、目标应用、复现步骤、预期与实际结果。出现问题后，在设置中“导出运行日志”，附上 .log 文件并说明出错的大致时间。录音问题也可附“本地麦克风测试”和“查看录音诊断”的结果；输入位置问题请说明是否切换窗口、移动光标或操作输入法候选框。不要提交 API Key、个人录音、私密正文或用户数据库。
本项目不开放未经授权的代码修改和二次开发。欢迎通过 Issues 报告问题或提出建议；如需修改、贡献代码、商用、组织部署或再分发，请先联系维护者并取得有权授权者的明确书面许可。
本项目采用自定义的 VoiceInput 个人非商业使用许可协议，属于源码可见软件，不是开源软件。
- 允许自然人为个人非商业目的免费下载、安装、使用未修改的正式版本，并制作必要备份。
- 允许查看源码；禁止未经书面授权的商业使用、组织部署、代码修改、二次开发、衍生版本和二次分发。
- 正常修改软件设置、提示词和个人词库不属于二次开发；许可不对用户自己的输入和生成内容追加权利限制。
- 第三方组件仍按各自许可证使用，见
licenses/。法定权利及托管平台服务条款要求的权限按许可正文处理。
以 LICENSE.txt 完整文本为准。
智能标点默认开启：短词和简短单句省略冗余句末句号，保留问号、感叹号和多句标点；润色未启用或超时也生效，可在语音识别设置关闭。成功发起粘贴后，浮窗约 0.63 秒收起。
默认根据当前录音的音量、底噪估计和动态变化，小幅调整百炼 VAD 灵敏度；可在语音识别设置中关闭。轻声环境偏向保留语音，较强底噪且语音可分辨时略提高噪声判定阈值并启用多阈值断句。样本不足、持续噪声、静音和削波时保留服务默认值。分析不会删减、放大或改写音频。参数在每轮任务启动时设置，后续统计供同一麦克风两分钟内的下一轮参考，不额外等待校准。日志记录估计值与选择结果，便于实机验证。
在“设置 → 词库与记忆 → AI 词条整理”启用“智能领域词库”并保存，需本地文本记忆、允许学习及 DeepSeek Key。升级后默认关闭，避免自动扩大历史文本的云端使用范围。词库页可点击“更新领域词库”立即分析，或在之后的语音输入结束后自动增量更新。
系统选取当前项目最多 48 条历史中的部分已发布文本，近期最多 3,000 字、较早最多 1,000 字，识别具体话题并预测容易混淆的名称、缩写、音译和专业短语。每次最多生成 20 词，未出现过的扩展词不超过三分之一；必须提供历史关联和具体易错理由。预测结果不代表 ASR 的实测错误率，不读取其他软件的修改记录，不保存录音，不建立自动替换规则。
预测词自动以权重 1 试用，随话题更新替换本轮选择，14 天未更新暂停注入；与个人词合计最多 200 个。原文提取和人工词库继续保留。通过“查看领域分析”“查看词条来源”查看依据；确认或编辑启用词可转为长期个人词条；禁用和删除会阻止自动重新启用。关闭智能领域词库停止分析和预测词注入。删除、修订来源或撤回会话学习许可会使相应分析失效。
后台分析与其他词库 AI 操作共用每日预算，至少间隔 2 分钟；新增 120 字、3 个会话或有新内容且间隔 20 分钟时重新分析。云端请求不阻塞录音启动或粘贴；下一次录音会取消未完成的分析。失败保留上次结果，日志仅记录操作状态和数量。
默认关闭，需要时可在“设置 → 识别与润色 → 识别效果 → 高精度模式”开启。新安装及缺少该字段的旧配置默认关闭；已保存的开关选择保持不变。此前已开启的用户，升级后可取消勾选以减少等待。关闭时使用实时识别结果，保留已有纠错、润色和智能标点。
说话时继续实时预览；松开按键后，将本轮完整音频交给 qwen-audio-3.0-asr-flash 再识别一次，携带本轮已发送的热词；开启 ASR 上下文时，同时附带词表上下文。复核完成后，继续执行已确认纠错、可选润色和智能标点，最后复制并粘贴一次。整段复核与 DeepSeek 文字润色是独立开关。
- 单次最多复核 3 分钟，PCM 音频仅暂存内存，不写入文件、数据库或日志。超过上限立即释放缓存，整轮使用实时结果，不截取前半段复核。
- 复核最长等待 12 秒（不包含实时识别收尾与后续润色）；回车可跳过复核及润色等待，Esc 取消本轮输入。
- 接口失败、超时、空结果、格式异常或明显截断时，保留实时识别结果。音频有缺口、实时识别未完整结束时沿用既有安全处理，不通过复核绕过检查。
- 复核增加一次百炼识别调用及相应费用，独立记录为
asr_review用量。失败且无法取得用量时记为未知，以服务商账单为准。 - 迟到结果不能覆盖已输入文字、用户编辑或下一轮会话。历史正文和词库学习使用已采纳的复核原文，流式原文保留为被替代片段，不重复学习，也不计为人工纠错。
官方协议：非实时语音识别 HTTP API。实际准确率和延迟仍需用真实麦克风、口音与专业术语样本评估。