【开源】按住说话-WIN平台语音输入转文本小工具(qwen-asr-flash驱动,支持自定义润色)

源码地址:

yyyzl/push-2-talk: 按住说话

功能介绍:

PushToTalk 是一个高性能的桌面语音输入工具。它不仅仅是一个语音转文字工具,更集成了大语言模型(LLM)能力。你可以按住 Ctrl+Win 说话,松开后应用会自动将你的语音转为文字,并根据你的设定进行润色、翻译或整理成邮件,最后自动粘贴到当前光标位置。

语音转文本由qwen-asr-flash驱动,当耗时较长时,采用SiliconFlow的SenseVoice作为备用驱动
文本润色兼容openai格式

核心特性:

  • 支持实时流式转录/HTTP转录 - 支持 WebSocket 边录边传,极低延迟,松手即出字。
  • LLM 智能后处理 - 内置 “文本润色”、“邮件整理”、“中译英” 等预设,支持自定义 Prompt。
  • 全局快捷键 - 在任何应用中(包括全屏游戏或 IDE)按住 Ctrl+Win 即可录音。
  • 双模引擎 & 自动备备 - 默认使用 Qwen Realtime 引擎,网络不佳时自动降级到 HTTP 模式,并支持 SiliconFlow (SenseVoice) 作为备用渠道。
  • 音频反馈 - 录音开始/结束时的清脆提示音,盲操也放心。
  • 多配置管理 - 支持保存多套 LLM 预设,通过界面快速切换不同场景。

标签: none

评论已关闭