本地优先的 AI 语音输入法 - 毫秒响应，隐私安全
| 功能 | 说明 |
|---|---|
| 🎤 语音输入 | 按住快捷键说话，松开即转换为文字 |
| 🌐 智能翻译 | 本地离线翻译，支持中英互译 |
| 🔢 数字转换 | 智能识别并转换中文数字（幺三八→138、零一二三→0123） |
| ⚡ 极速响应 | 端侧模型，毫秒级识别速度 |
| 🔒 隐私安全 | 音频本地处理，不上传云端 |
| 🍎 原生体验 | macOS 原生键盘操作，可靠稳定 |
| ⚙️ 灵活配置 | 自定义快捷键、麦克风、翻译模式 |
| 📁 音频管理 | 自动清理和管理录音文件 |
| 项目 | 要求 |
|---|---|
| 操作系统 | macOS 10.15+ / Windows 10+ |
| Python | 3.10+ |
| 内存 | 8GB+ (推荐 16GB) |
| 磁盘空间 | 5GB+ (模型文件) |
| macOS 特定 | 需要 PyObjC（已包含在依赖中） |
# 克隆仓库
git clone https://github.com/dspcter/ai-automation-tools.git
cd ai-automation-tools/快人快语
# 安装依赖
pip install -r requirements.txt
# 启动程序
python main.py首次启动时会自动：
- 下载 SenseVoice 语音识别模型 (~700MB)
- 打开设置窗口进行初始配置
- 引导完成自动创建标记文件
| 功能 | macOS | Windows |
|---|---|---|
| 语音输入 | 按住 Option |
按住 Right Ctrl |
| 快速翻译 | 按住 Right Cmd |
按住 Right Cmd |
1. 按住 Option 键
2. 说话："今天天气真不错"
3. 松开 Option 键
4. 文字自动注入到光标位置
| 输入 | 输出 | 说明 |
|---|---|---|
| 幺三八 | 138 | 电话号码 |
| 零一二三 | 0123 | 保留前导零 |
| 一二三四五 | 12345 | 连续数字 |
| 十一万 | 110000 | 大单位 |
| 一个亿 | 100000000 | 亿单位 |
| 模块 | 技术方案 |
|---|---|
| 语音识别 | sherpa-onnx + SenseVoice-small |
| 翻译引擎 | MarianMT (离线) / Qwen2.5-1.5B |
| 数字转换 | cn2an (自定义增强) |
| 快捷键监听 | PyObjC (macOS 原生) |
| 音频采集 | sounddevice + webrtcvad |
| 文字注入 | PyObjC Quartz CGEvent (macOS 原生) |
| 设置界面 | PyQt6 |
| 打包工具 | PyInstaller |
快人快语/
├── main.py # 主程序入口
├── requirements.txt # 依赖列表
├── README.md # 项目说明
├── PRD.md # 产品需求文档
├── PROJECT_SUMMARY.md # 项目总结
├── 安装说明.md # 安装指南
│
├── core/ # 核心功能模块
│ ├── __init__.py
│ ├── hotkey_manager.py # 全局快捷键管理
│ ├── pyobjc_keyboard_listener.py # PyObjC 原生键盘监听 (macOS)
│ ├── audio_capture.py # 音频采集 + VAD
│ ├── asr_engine.py # SenseVoice 语音识别
│ ├── marianmt_engine.py # MarianMT 翻译
│ ├── translate_engine.py # Qwen2.5 翻译
│ ├── text_injector.py # 文字注入器
│ ├── text_injector_macos.py # macOS 原生按键模拟
│ └── text_postprocessor.py # 文本后处理 + 数字转换
│
├── models/ # 模型管理
│ ├── __init__.py
│ ├── model_manager.py # 模型下载/管理/检测
│ └── models/ # 本地模型存储目录
│ ├── asr/ # 语音识别模型
│ └── translation/ # 翻译模型
│
├── ui/ # 用户界面
│ ├── __init__.py
│ ├── settings_window.py # PyQt6 设置窗口
│ └── first_run_wizard.py # 首次运行向导
│
├── config/ # 配置管理
│ ├── __init__.py
│ ├── constants.py # 常量定义
│ └── settings.py # 配置读写
│
├── storage/ # 数据存储
│ ├── __init__.py
│ └── audio_manager.py # 音频文件管理
│
├── audio/recordings/ # 录音文件存储
├── assets/ # 资源文件 (图标)
└── logs/ # 日志文件
配置文件位于 config/settings.json:
{
"hotkeys": {
"voice_input": "option",
"quick_translate": "right_cmd"
},
"audio": {
"sample_rate": 16000,
"vad_threshold": 500
},
"translation": {
"mode": "button",
"target_language": "en",
"source_language": "zh"
},
"cleanup": {
"enabled": true,
"days": 7
}
}支持的快捷键格式：
- 单键:
fn,ctrl,alt,shift,cmd - 组合键:
ctrl+shift+t,cmd+space - 修饰键:
right_ctrl,right_alt,right_cmd
cd 快人快语
python main.py# macOS
chmod +x build.sh
./build.sh
# Windows
build.bat# 测试语音识别
python test_dependencies.py
# 测试翻译引擎
python test_marianmt.py
# 测试数字转换
python3 -c "import cn2an; print(cn2an.transform('幺三八零一二三'))"🐛 致命 Bug 修复
- 🐛 修复 V 键键码错误（0x76 → 0x09）
- 🐛 修复退出时连续输入 'v' 的问题
- ✅ 完善注入事件检测逻辑，防止应用监听到自己的 Command+V
问题说明
- 之前使用错误的键码 0x76（F17 键）检测注入事件
- 导致应用自己的 Command+V 注入没有被正确忽略
- 监听器接收到注入事件后触发热键回调，造成重复注入
- 现已修正为正确的 V 键键码 0x09
影响范围
core/pyobjc_keyboard_listener.py
🎉 重大更新 - 完全迁移到 PyObjC 原生键盘操作
核心重构
- ✨ 完全使用 PyObjC 进行键盘监听和模拟（macOS 原生）
- ✨ 使用 Quartz CGEvent API 实现可靠的按键模拟
- ✨ 修复组合键识别问题（Command+V 等快捷键）
- ✨ 修复 V 键 keycode 错误（0x6E → 0x09）
依赖优化
- 🗑️ 移除 pynput 依赖
- 🗑️ 移除 pyautogui 依赖
- ✅ PyObjC 成为唯一的键盘操作依赖
新增模块
- 📦
core/text_injector_macos.py- macOS 原生按键模拟器 - 📦
core/pyobjc_keyboard_listener.py- PyObjC 键盘监听器
技术改进
- 📝 使用正确的组合键序列（修饰键按下 → 主键按下 → 主键释放 → 修饰键释放）
- 🛡️ 内置注入事件过滤机制，防止监听器拦截自己的事件
- 📊 增强日志输出，便于调试
- 🔧 优化按键时序控制（combo_delay: 50ms, post_delay: 100ms）
测试验证
- ✅ PyObjC 文字注入正常工作
- ✅ Command+V 等组合键可靠识别
- ✅ 完全移除第三方键盘依赖
🎉 重大更新 - 快捷键系统全面重构
新功能
- ✨ 双击+长按触发模式（翻译功能防误触）
- ✨ macOS 左右 Option 键独立识别和映射
- ✨ 尾音收集机制（松开后延迟 200ms 收集尾音）
- ✨ Watchdog 超时保护（10秒强制回 IDLE）
- ✨ Listener 静默失效检测和自动恢复
- ✨ ASR Worker 异步处理（独立线程，不阻塞 UI）
- ✨ 内存管理器（定期自动 GC，防止内存泄漏）
- ✨ Session 机制防止旧任务覆盖新任务
状态机架构
- 完整的状态机实现（IDLE → RECORDING → TAIL_COLLECTING → IDLE）
- 线程安全的状态锁（RLock）
- 防抖机制（50ms）
- 状态转换合法性验证
核心改进
- 重构
hotkey_manager.py（状态机架构） - 重构
main.py（优化状态机流程） - 新增
core/asr_worker.py（异步 ASR 处理） - 新增
core/memory_manager.py（内存管理） - 新增
core/exceptions.py（自定义异常） - 新增
core/audio/目录（录音相关模块）
Bug 修复
- 🐛 修复设置窗口打开时快捷键失效的问题
- 🐛 修复 macOS 右 Option 键无法监听的问题
- 🐛 修复状态机死锁问题（使用 RLock 替代 Lock）
- 🐛 修复 Listener 静默失效无法检测的问题
- 🐛 修复音频文件删除失败的问题
默认快捷键调整
- macOS:
left_alt（语音输入）、right_alt（翻译） - Windows:
right_ctrl（语音输入）、ctrl+shift+t（翻译）
新功能
- ✨ 智能中文数字转换（cn2an 集成）
- 🔢 支持"幺"→"1"转换
- 🔢 保留前导零（零一二三→0123）
- 🔢 连续数字转换（一二三四五→12345）
修复
- 🐛 修复 Right Command 键监听问题
- 🐛 修复音频文件删除功能
- 🐛 优化快捷键映射逻辑
A: macOS 需要在「系统设置 → 隐私与安全性 → 辅助功能」中授权：
- 打开「系统设置」
- 进入「隐私与安全性」
- 选择「辅助功能」
- 找到「快人快语」并勾选
A: v1.4.0 使用 macOS 原生 PyObjC 框架，通常不需要额外配置。如果遇到问题：
- 确认已安装 PyObjC：
pip install PyObjC - 检查是否有其他应用占用剪贴板
- 查看日志文件
logs/*.log获取详细错误信息
A:
- 检查网络连接
- 手动下载：
# SenseVoice 模型 wget https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17.tar.bz2 tar -xf sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17.tar.bz2 mv sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17/* models/models/asr/sense-voice/
A: 在设置窗口中自定义其他快捷键组合
A:
- 确认已安装
cn2an库：pip install cn2an - 检查日志文件
logs/*.log
本项目基于以下优秀的开源项目：
- Sherpa-ONNX - 语音识别框架
- Qwen2.5 - 通义千问大模型
- MarianMT - 神经机器翻译
- cn2an - 中文数字转换工具
- PyObjC - Python-Objective-C 桥接
产品灵感: 闪电说
MIT License
欢迎提交 Issue 和 Pull Request！
- GitHub Issues: 提交问题