[开源] VoiceInput — Windows 全局语音输入工具，按快捷键说话直接输入到任意应用

问题描述：

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是

• 我的开源项目完整开源，无未开源部分： 是

• 我的开源项目已链接认可 LINUX DO 社区： 是

• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是

• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

---

github账号被标记，暂时账号页面和代码仓库都打不开了。

要下载可以看这里：[开源] VoiceInput — Windows 全局语音输入工具，按快捷键说话直接输入到任意应用 - #35，来自 yuan_1 ，先临时顶一下。

---

做了个 Windows 上的全局语音输入工具，按快捷键说话，文字直接输入到光标处。

为什么做这个？

用 Cursor 或者 CC 写代码的时候，经常需要给 AI 描述需求。打字太慢，复杂的需求要想清楚打出来要好几分钟；所以干脆自己做了一个按快捷键就能开始说话，再按一次自动添加到剪切板或者输入到当前光标位置的项目。

用了一段时间发现不止写代码好用，日常聊天、搜资料、写文档、汇报工作全都能用上，基本上任何需要打字的地方都可以替代。因此我把它开源出来。

每一次技术的进步都让交互变得更自然，更回归以人为本。相信在未来不久，人类和机器的交互方式会越来越多样和自然。这才是本工具的根本目标——代替键盘的主要交互手段，让用户摆脱打字限制，实现无拘束、高效率的表达。

它能做什么？

• 全局快捷键（默认 Ctrl+Shift+R），在任意应用中开始/停止录音。录音结束后自动识别，文字直接输入到光标处 + 复制到剪贴板。

• 支持智能润色：录完后经 LLM 润色，自动修正口语、补标点、整理成清晰的需求描述。

• 顶部悬浮指示器，录音中显示波形，长按停止按钮可作废本条。系统托盘常驻，切换模式、设备、快捷键都在右键菜单里。

基于阿里云 DashScope（通义千问 ASR），延迟低、识别准，免费额度足够日常使用。

演示

日常聊天、搜资料、写文档，说完就入框：

推荐的工作流：开启录音，一边说一边梳理项目架构，按快捷键结束后直接粘贴到对话框：

在 Cursor 里代替只支持英文的语音输入：

怎么用？

1. 去 Releases 下载便携版 zip，解压即用

2. 右键托盘图标 → API Key → 填入 DashScope Key（免费获取）

3. 按 Ctrl+Shift+R 开始录音，再按一次停止并自动输入

从源码运行：

git clone https://github.com/myuan19/voiceInput.git cd voiceInput uv venv && .venv\Scripts\activate uv pip install -r src/requirements.txt set DASHSCOPE_API_KEY=sk-xxxxxxxx python -u src\main.py

技术栈

Python 3.12 + PyQt6 + DashScope SDK + PyAudio + pynput

GitHub地址

myuan19/voiceInput: Windows AI 语音输入 — 按快捷键说话即输入，支持润色。摆脱打字限制，实现无拘束、高效率的表达。

Release直达

Releases · myuan19/voiceInput

---

MIT 开源，欢迎 Star 和反馈。

有问题或建议直接在帖子里回复，或者去 GitHub 提 Issue 都行。

---

以下为AI润色内容：

image954×327 30.1 KB

网友解答：

---

--【壹】--：

如果是 Mac，用微信的语音输入（长按 Fn）即可

---

--【贰】--：

我最近也在写这个，不过是在linux上上游有个sherpa-onnx的项目可以看看，很好用

---

--【叁】--：

这个好 谢谢分享！

---

--【肆】--：

有特色，带智能润色，star

---

--【伍】--：

自己蹬了三天了，几乎没怎么间断的在用，一共花了1.8元，所以成本方面应该还好。
此外，新的更新我也做了一些优化，例如针对输入设备的突然变更以及快捷键的全局拦截。同时支持不同的润色模型：flash 速度最快，Max 版本效果最强。
另外，还进行了一些预热处理。现在启动时基本无延迟，按下按键即可开始说话。此前会有零点几秒的等待感，现在仅需几毫秒即可启动。
此次更新后，功能已完善许多。现在这条消息就是用语音输入发送的。

---

--【陆】--：

支持本地模型吗？sensevoice、qwen3-asr-1.7B 等？

---

--【柒】--：

对，我刚追赶了 qwen3 的适配，还没测试呢

---

--【捌】--：

在公司说语音有点社死

---

--【玖】--：

push to talk：按下ctrl+win，可接入豆包和阿里云，有llm语言润色功能
capswriter：按下caps本地识别，延迟几乎没有

---

--【拾】--：

感谢佬友分享

---

--【拾壹】--：

谢谢佬的分享

---

--【拾贰】--：

6的起飞

---

--【拾叁】--：

感谢大佬。

---

--【拾肆】--：

收藏一下

---

--【拾伍】--：

非广告，注册两个typeless免费版够用了

---

--【拾陆】--：

我同事问我为何自言自语

---

--【拾柒】--：

我暂时在用成熟的产品，不过有新的还是愿意试一下。模型不时就会出现新的，软件更是几天冒出一个。

---

--【拾捌】--：

尝试了一下，真好用

---

--【拾玖】--：

没有支持，因为考虑到笔记本性能原因。为了兼顾效果和性能，就选择云服务了。你可以看下上面佬友发的 capswriter，那个貌似是支持的。