VoiceInput - 后台语音输入工具

一款无窗口后台运行的语音输入工具，通过 鼠标中键 + 右键 长按触发，实时将语音转换为文字并模拟键盘输入到当前光标位置。

功能特性

• 组合键触发：鼠标中键 + 右键同时按住超过 300ms（可配置）激活语音识别
• 实时转录：说话时文字实时出现，延迟低
• 松开即停：释放任意一个按键立即停止识别并输出结果
• 无感运行：无主窗口，仅系统托盘图标运行
• 增量输出：每次只输出新增文字，避免重复输入
• 可配置：通过 config.toml 修改热键、音频设备、模型路径等

使用方法

1. 下载 whisper 模型

工具需要 whisper 模型才能运行，推荐下载：

模型	大小	精度
ggml-tiny.bin	~75 MB	较低
ggml-base.bin	~150 MB	中等
ggml-small.bin	~500 MB	较高

下载地址：GitHub - ggml-org/whisper.cpp

注：模型文件较大，请确保网络稳定。如果下载困难，可以从 HuggingFace Mirror 下载。

将模型文件放入 models/ 目录。

2. 配置

编辑 config.toml：

[hotkey]
press_threshold_ms = 300  # 中键+右键长按多少毫秒激活

[audio]
input_device = "default"   # 麦克风设备，"default" 使用系统默认
sample_rate = 16000
channels = 1
buffer_ms = 20             # 音频缓冲区（毫秒）

[recognition]
engine = "whisper_stream"
whisper_exe_path = "./whisper.cpp/Release/whisper-cli.exe"
model_path = "./models/ggml-tiny.bin"   # 修改为你的模型路径
language = "zh"            # 语言代码，如 "zh"、"en"

[output]
simulate_typing = true
typing_delay_ms = 5        # 每个字符间隔（毫秒）

[tray]
enabled = true
icon_path = "./icon.ico"   # 可选：自定义托盘图标

3. 运行

双击 voiceinput.exe 即可。运行后在系统托盘可见，右键可退出。

触发方式

中键（滚轮）+ 右键同时按住 300ms 以上触发语音识别，松开任意一个按键立即停止。

目录结构

voiceinput/
├── voiceinput.exe          # 主程序
├── config.toml             # 配置文件
├── icon.ico                # 托盘图标（可选）
├── whisper.cpp/
│   └── Release/
│       ├── whisper-cli.exe  # whisper 命令行工具
│       └── *.dll            # 依赖的 DLL
└── models/
    └── ggml-tiny.bin        # whisper 模型文件（需自行下载）

技术说明

• 音频捕获：使用 cpal 库，16kHz 单声道 16-bit PCM
• 鼠标监听：使用 rdev 库，全局鼠标事件捕获
• 键盘模拟：使用 enigo 库，模拟键盘文本输入
• 语音识别：通过子进程调用 whisper-cli.exe（whisper.cpp）
• 系统托盘：使用 tao + tray-icon 库

常见问题

Q: 提示 "未找到音频输入设备" A: 检查 config.toml 中 input_device 是否正确，或设为 "default"

Q: 提示 "识别引擎初始化失败" A: 确保 whisper-cli.exe 路径和 model_path 配置正确，模型文件存在

Q: 文字输出太慢 A: 使用更小的 whisper 模型（如 tiny），或在配置中减少 buffer_ms

Q: 游戏里无法输入文字 A: 部分游戏有保护机制，可尝试以管理员权限运行

开源协议

MIT License