VoiceKey
macOS、Windows、iOS、Android 语音输入。桌面端按住或点按快捷键说话；iOS 是带语音的中文键盘；Android 不替换输入法，识别结果写进当前输入框。
多渠道候选框：说话时各渠道实时出字（左），松开后逐条定稿并显示耗时，数字键或回车选一条上屏（右）
功能
以下为 macOS / Windows。
- 多个识别渠道：豆包、微信、千问、百度、搜狗、讯飞、Chatterfly 云端识别，以及完全本地运行的离线识别：微信离线（macOS / Windows）、豆包离线（仅 Apple 芯片 Mac）
- 多渠道候选：勾选 2 个以上渠道同时识别，光标旁弹出候选框实时显示各渠道结果，按数字键或 ↑↓ + 回车选一条上屏；默认选中上次用的渠道
- 渠道对比：在设置里录一段话，并排比较各渠道的结果和速度
- 长按说话：按住快捷键开始，松开结束
- 点按说话：自定义快捷键，点一下开始，停顿 1–5 秒自动结束，再点一下可提前结束
- 边说边上屏：识别中的文字实时打到光标处，结束后按定稿修正；关闭后改为结束时一次性粘贴
- 麦克风选择、开机启动、浅色 / 深色主题、应用内自动更新
截图
| 识别渠道 | 渠道对比 |
|---|---|
| 
| 
|
单渠道模式下，屏幕底部显示声波浮层和实时文字：
iOS
iOS 17+ 的中文键盘（仅 iPhone）。默认 26 键全拼，可切九宫格；功能键和顶栏可以拖动调整。左上角麦克风说话。键盘本身不能录音，由主 App 在后台收音，再把文字送回键盘。
- 云端渠道与桌面端相同，没有离线引擎
- 勾选多个渠道时，在键盘里对比结果再选一条上屏
- 默认画中画待机：不占麦克风，点麦克风才录音；画中画不可用时改为常开麦
- 操作按钮或快捷指令「VoiceKey 说话」：正在使用本键盘时开始，再按一次结束
- 点按说话的静音自动结束可在 1–5 秒间设置
- 拼音词库来自雾凇拼音（GPL-3.0），并补了搜狗流行词和部分 AI 词
Android
Android 8+（arm64）。不替换当前输入法：开启无障碍服务「VoiceKey 语音输入」后，在任意输入框长按音量下键，或点悬浮球说话，结果写入光标处。部分应用会隐藏控件树，Android 13 及以上改为经输入连接提交文字。
- 渠道：豆包、微信、千问、百度、搜狗、讯飞，以及微信离线（约 100MB，本机推理）
- 多渠道候选、边说边上屏、点按静音 1–5 秒自动结束
- 长按音量下键只在输入框聚焦时生效，短按仍调音量
安装
从 Releases 下载桌面端安装包。iOS 与 Android 不在 Release 里，从源码构建。
| 系统 | 文件 |
|---|---|
| macOS 13+（Apple 芯片与 Intel 通用） | VoiceKey-x.y.z.dmg，打开后拖到「应用程序」 |
| Windows 10/11 x64 | VoiceKey-x.y.z-x64-setup.exe 或 .msi |
macOS 发布包为自签名、未经 Apple 公证，首次运行前需解除隔离：
xattr -dr com.apple.quarantine /Applications/VoiceKey.app之后的版本可在应用内更新（设置 → 通用，或菜单栏），无需重复上述步骤，已授予的权限也会保留。
旧版原生 Swift 实现（仅 macOS 15+）保留在 legacy 分支。
使用
- 首次启动会打开引导：授予 辅助功能（仅 macOS，用于监听快捷键和上屏）和 麦克风 权限，并试说一句
- 之后常驻菜单栏 / 系统托盘，可在托盘菜单切换渠道、暂停监听、打开设置
- 在任意输入框中说话
单个修饰键可同时作为长按键和点按键：快速点一下为点按，按住超过 0.3 秒为长按。设为组合键的点按快捷键会被拦截，不再传给前台应用。
离线识别：首次选择离线渠道时下载模型，之后断网也能用。
- 微信离线：下载微信输入法官方离线语音包（约 100MB，来自腾讯 CDN），解出模型保存在数据目录的
wtoffline/下；由本项目自己实现的 int8 推理运行，不依赖官方程序，macOS 和 Windows 都可用。 - 豆包离线（仅 Apple 芯片 Mac）：下载引擎库（约 8MB，来自本仓库 offline-libs Release）和模型（约 177MB，来自字节 CDN），保存在
~/Library/Application Support/VoiceKey/offline/；只在用到时启动后台进程，空闲 5 分钟后自动释放。
从源码构建
需要 Rust（stable）、Node 22+ 和 CMake；Windows 另需 MSVC 生成工具。
cd app
npm ci
npx tauri dev # 开发运行
npx tauri build --bundles app # macOS：target/release/bundle/macos/VoiceKey.app
npx tauri build # Windows：nsis / msi 安装包- iOS（需要 Xcode 与 XcodeGen）：
ios/build.sh，产物ios/build/VoiceKey.ipa；ios/build.sh --unsigned出未签名包 - Android（需要 Android NDK 与 cargo-ndk）：先
android/build-rust.sh，再在android/执行./gradlew :app:assembleRelease - Opus 由
audiopus_sys从源码静态编译，相关环境变量见.cargo/config.toml - 打包 DMG：
Scripts/dmg.sh out.dmg path/to/VoiceKey.app app/src-tauri/icons/icon.icns - 命令行测试识别：
cargo run -p voicekey-core --bin vk-test -- doubao|wetype|qwen|baidu|sogou|iflytek file.wav（WAV 需 16kHz 单声道）
发布
推送 v* 标签后，GitHub Actions 构建 macOS 通用 DMG 与 Windows 安装包，连同应用内更新所需的更新包与 latest.json 一起创建 Release：
git tag v1.0.1 && git push origin v1.0.1需要的 Secrets：TAURI_SIGNING_PRIVATE_KEY / TAURI_SIGNING_PRIVATE_KEY_PASSWORD（npx tauri signer generate 生成的更新签名密钥）、MACOS_CERTIFICATE / MACOS_CERTIFICATE_PASSWORD（Scripts/gen-cert.sh 生成的自签名证书，base64 编码的 p12）。
结构
| 路径 | 内容 |
|---|---|
| crates/core | 识别引擎：豆包（protobuf + WebSocket）、微信（secp128r1 ECDH、AES-256-ECB、snappy）、千问（HMAC-SHA1、AES-128-CBC）；音频采集与重采样、Opus 编码 |
| crates/platform | 平台层：全局快捷键（CGEventTap / WH_KEYBOARD_LL）、上屏、光标位置、权限 |
| crates/hanbao | 离线引擎：编译 Sources/CHanbao，在 macOS 进程内加载安卓 ELF 引擎库 |
| crates/wtlocal | 微信离线引擎：解析官方 xnet 模型，FBank 特征、int8 矩阵乘（NEON / AVX2）、40 层 Transformer 推理与流式解码 |
| app/src-tauri | Tauri 应用：设置、快捷键状态机、会话调度、浮层窗口、托盘、离线资源下载 |
| app/src | Svelte 界面：设置、引导、声波浮层、候选框、渠道对比 |
| design/ | 交互原型与渠道图标 |
| ios/ | iOS 主 App 与键盘扩展。拼音输入、画中画待机，和键盘的协议见 ios/PROTOCOL.md |
| android/ | Android 无障碍语音输入。build-rust.sh 把识别引擎编成 libvoicekey.so |
音频以 16kHz 单声道、20ms 一帧采集。识别设备身份在本机运行时生成，保存在 ~/Library/Application Support/VoiceKey/（Windows 为 %APPDATA%\VoiceKey\）。
链接
友链
- Linux.Do — 与社区一起分享、讨论、关注开发进展。
声明
本项目通过分析输入法客户端协议实现，仅供学习与个人使用，与字节跳动、腾讯、阿里巴巴无关。接口可能随时变更或失效；语音会发送到对应厂商的服务器。