VoiceInput

项目简介

VoiceInput 是一个 Windows 10 后台语音输入工具：按住录音热键开始录音，松开后自动转写并注入到当前焦点输入框。

语音转写支持 Azure Speech 和 Cloudflare Workers AI，二者可在 Settings 中切换：

• Azure Speech 使用流式识别，录音期间显示中间转写
• Cloudflare Workers AI 使用 VAD 分段并行上传，录音期间显示已完成段落，松键后等待剩余结果

核心流程：

1. 全局键盘钩子监听 Fn / 回退热键（默认 RightCtrl）
2. NAudio 以 16kHz/16bit/mono 采集麦克风音频
3. 按当前供应商执行 Azure 流式识别或 Cloudflare VAD 分段转写
4. 悬浮窗实时显示波形和当前转写进度
5. 可选 LLM 保守纠错
6. 通过剪贴板 + Ctrl+V 注入文本

环境要求

• Windows 10
• .NET 8 SDK（开发构建）
• Azure Speech Key/Region 或 Cloudflare Account ID/API Token（二选一）

可选：

• OpenAI 兼容接口（用于 LLM 纠错）

安装与运行

1. 克隆仓库后进入目录：E:\VoiceInput
2. 构建（需 .NET 8 SDK）： dotnet build VoiceInput\VoiceInput.csproj -c Release
3. 运行： dotnet run --project VoiceInput\VoiceInput.csproj -c Release

首次运行后，应用会在系统托盘常驻，不显示任务栏主窗口。

配置

配置文件路径：%AppData%\VoiceInput\config.json

示例：

{
  "language": "zh-CN",
  "llmEnabled": false,
  "apiBaseUrl": "https://api.openai.com/v1",
  "apiKey": "",
  "model": "gpt-4o-mini",
  "speechProvider": "Azure",
  "azureSpeechKey": "",
  "azureSpeechRegion": "",
  "cloudflareAccountId": "",
  "cloudflareApiToken": "",
  "fallbackHotkey": "RightCtrl"
}

字段说明：

• language: 识别语言，支持 en-US/zh-CN/zh-TW/ja-JP/ko-KR
• speechProvider: 语音供应商，取值为 Azure 或 Cloudflare，默认 Azure
• azureSpeechKey/azureSpeechRegion: Azure Speech 认证信息
• cloudflareAccountId/cloudflareApiToken: Cloudflare Workers AI 认证信息
• llmEnabled: 是否开启 LLM 纠错
• apiBaseUrl/apiKey/model: LLM 纠错接口参数
• fallbackHotkey: Fn 不可捕获时的回退热键（默认 RightCtrl，支持组合键如 RightCtrl+R）

旧配置没有 speechProvider 字段时会自动使用 Azure。应用会保留两组供应商凭据，切换供应商不会覆盖另一组配置。

使用说明

1. 托盘右键菜单可切换语言、开关 LLM、打开 Settings、退出；双击托盘图标也可直接打开 Settings
2. 按住录音热键开始录音，松开触发转写
3. Cloudflare 模式等待剩余分段时，悬浮窗显示已有文本；尚无结果时显示 Transcribing...
4. 若启用 LLM，悬浮窗会显示 Refining... 后再注入

语音服务设置

在 Settings 窗口选择 Azure Speech 或 Cloudflare Workers AI，填写当前供应商的凭据后点击 Test Speech 验证连接，再点击 Save 保存。

当前供应商凭据缺失时，触发录音会打开 Settings 并显示错误提示。

语言切换

在托盘菜单 Language 子菜单中切换，选择后立即生效并写入配置文件。

LLM 设置

在托盘 Settings 窗口填写：

• API Base URL
• API Key
• Model

可点 Test LLM 验证连通性，Save 保存。API Key 支持清空后保存。

热键设置与录制

在 Settings 窗口点击「触发热键」录制框后：

1. 进入监听状态，显示「请按下快捷键...」
2. 支持单键或组合键（如 RightCtrl+R、RightCtrl+RightShift+R）
3. 按 Esc 取消本次录制并恢复原值
4. 点击 Save 后立即生效，无需重启应用

录制期间会临时屏蔽语音触发，避免在设置热键时误启动语音识别。

RightAlt (AltGr) 说明

• 在部分键盘布局中，按 RightAlt 会被系统上报为 RightCtrl+RightAlt（AltGr 行为）
• 为避免误判，录制器会将这类系统附带的 RightCtrl 过滤掉，最终显示为 RightAlt
• 因此当前不建议使用 RightCtrl+RightAlt 作为热键组合

构建发布

已配置单文件非自包含发布参数（win-x64）：

• PublishSingleFile=true
• SelfContained=false
• IncludeNativeLibrariesForSelfExtract=true

发布命令： dotnet publish VoiceInput\VoiceInput.csproj -c Release -r win-x64

也可运行 repack.bat：脚本会关闭正在运行的程序、恢复依赖并重新发布。

默认输出目录：Release\，目标文件为 Release\VoiceInput.exe。

说明：

• 该模式会尽量将 native 依赖打包进单文件，减少同目录 DLL 文件。
• 目标机器需安装 .NET 8 Desktop Runtime (x64)。