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）}

以下为 macOS / Windows。

• 多个识别渠道：豆包、微信、千问、百度、搜狗、讯飞、Chatterfly、千问 App、叭哥说云端识别（后两个需登录官方账号），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

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 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（不含需登录的千问 App、叭哥说），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

语音和与主 App 通信需要「允许完全访问」；不开也能本地打字。安装或更新后，已在跑的键盘进程不会换成新版本，需到「设置 › 通用 › 键盘 › 键盘 › VoiceKey」删除后再添加。

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

国内系统清理后台会关掉无障碍。应用内有忽略电池优化、自启动和锁定最近任务的引导。

从 Releases 下载桌面端安装包和 Android APK。iOS 不在 Release 里，需从源码构建。

Android 装好后，在应用「关于与更新」里检查并更新：首次更新要允许 VoiceKey 安装未知应用，下载校验完成后在系统弹窗里确认安装。

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。

1. 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
2. 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
3. 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。

需登录的渠道：千问 App 和叭哥说要登录官方账号才能用。在「识别渠道」选中渠道后点「登录」，会弹出官方网页，登录完成后窗口自动关闭。也可以手动粘贴浏览器里的登录 Cookie。

• 千问 App：用千问账号登录。
• 叭哥说：用有道账号登录，支持网易邮箱或手机验证码。服务端会保存录音。

登录 Cookie 只保存在数据目录的 accounts.json（macOS 上仅当前用户可读）。退出登录会同时清除内置网页的登录状态。未登录时，多渠道识别和渠道对比会跳过这两个渠道。

多渠道选择：Windows、当前 macOS 桌面版和 Android 遵循相同原则，避免启用 Jev 后被失败或卡住的渠道拖住评选。

• Jev 关闭或配置不可用：保留候选，由用户手选，不自动插入定稿，也不会按提前评选规则结束慢渠道；晚到的结果仍可手选。
• Jev 启用且配置有效：停录后，实际参与渠道达到所选定稿门槛即进入选择；默认三分之二，向上取整（例如三路需两路、八路需六路）。未达到门槛但已有定稿时，从停录后首条可用定稿起最多再等设定时长，默认 2.5 秒，期间全部渠道结束则立即推进。只有一条定稿时采用该条结果，多条定稿交给 Jev 评选。一直没有定稿时保留停录后 15 秒的识别超时兜底，等待规则的时限不包含 Jev 请求耗时。
• 选择时机：Windows、当前 macOS 桌面版和 Android 的 Jev 设置中均提供折叠选项，可选“半数 / 三分之二（推荐）/ 全部”门槛，并以 0.5 秒步长设置 0.5～5 秒的候选补齐等待时间。“全部”仍受等待上限限制，不会无限等待慢渠道。修改在下一次录音生效（桌面含续录）；恢复默认只重置这两项，不清除密钥。旧配置继续使用三分之二与 2.5 秒。
• 用户开始手选或 Jev 评选失败：保留人工选择权，Jev 不再代替用户选择；进行中的 Jev 结果在用户手选后失效。

Android 继续遵循现有自动选中与发送设置：关闭时只高亮推荐，开启时自动上屏并发送。

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。

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|chatterfly|qwenapp|bageshuo file.wav（WAV 需 16kHz 单声道。qwenapp、bageshuo 的登录 Cookie 用环境变量 VOICEKEY_QWENAPP、VOICEKEY_BAGESHUO 传入）

推送 v* 标签后，GitHub Actions 构建 macOS 通用 DMG、Windows 安装包和 Android 签名 APK，连同应用内更新所需的更新包、latest.json（桌面）与 android.json（Android）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）。

Android 另需 4 个 Secrets：ANDROID_KEYSTORE_BASE64（release keystore 用 base64 编码）、ANDROID_KEYSTORE_PASSWORD、ANDROID_KEY_ALIAS、ANDROID_KEY_PASSWORD。tag 构建缺任何一个都会失败，不会发出 debug 签名包。签名一旦定下就不能换，换了已装用户无法覆盖升级，只能卸载重装。

Android 的 versionCode 由标签推导：vX.Y.Z → X×10000 + Y×100 + Z（如 v1.8.0 为 10800），所以标签必须是 vX.Y.Z 形式，且 minor、patch 都不能超过 99，推出的值要大于现有的 6。应用内更新靠 versionCode 比较，新版必须比已装版本大。

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\）。

• 安装包：github.com/J3n5en/voicekey/releases
• 更新频道：t.me/EnsoAI_news
• 讨论群组：t.me/EnsoCode_Official

• Linux.Do — 与社区一起分享、讨论、关注开发进展。

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、网易无关。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。