# Impress ASR Input

基于 ONNX 的本地语音识别输入工具，支持多语言实时识别和音频文件转写。

## 特性

- 🎯 **本地运行** - 无需联网，保护隐私，无 API 调用成本
- 🌍 **多语言支持** - 中文、英文、日语、韩语等
- ⚡ **低延迟** - 准实时识别，1 秒内完成短句识别
- 💻 **跨平台** - 支持 Windows、macOS、Linux

## 快速开始

### 系统要求

- Node.js >= 20.0.0
- Windows 10+ / macOS 11+ / Ubuntu 20.04+

### 安装

```bash
# 克隆项目
cd impress-asr-input

# 安装依赖
npm install

# 编译 TypeScript
npm run build
```

### 放入模型文件

将 ONNX 模型放入 `models/` 目录：

```bash
models/
├── sensevoice.onnx    # 推荐：阿里达摩院多语言模型
├── whisper.onnx       # OpenAI 多语言模型
└── paraformer.onnx    # 阿里达摩院中文模型
```

模型下载地址：
- SenseVoice: https://huggingface.co/FunAudioLLM/SenseVoice
- Whisper: https://huggingface.co/onnx-community/whisper-base
- Paraformer: https://www.modelscope.cn/models/damo/speech_paraformer-large-vad-punct

### 使用方法

```bash
# 命令行模式 - 开始语音识别
npm start -- start

# 指定语言
npm start -- start -l en

# 转写音频文件
npm start -- transcribe input.wav -o output.txt

# Electron GUI 模式（需要先安装 electron）
npm install electron --save-dev
npm run dev:electron
```

## Windows 构建

### 方法一：在 Windows 上构建（推荐）

```powershell
npm run build:win       # 构建安装包
npm run build:win:zip   # 构建 ZIP 包
```

### 方法二：在 Linux 上构建

```bash
export ELECTRON_MIRROR="https://npmmirror.com/mirrors/electron/"
npm run build:win:dir   # 构建解压版本
```

详见：[docs/BUILD_WINDOWS.md](docs/BUILD_WINDOWS.md)

## 项目结构

```
impress-asr-input/
├── src/
│   ├── core/
│   │   ├── audio-processor.ts    # 音频处理（VAD、重采样）
│   │   ├── audio-recorder.ts     # 音频采集模块
│   │   ├── index.ts              # 模块导出
│   │   ├── model-loader.ts       # 模型加载器
│   │   ├── speech-recognizer.ts  # ONNX 语音识别引擎
│   │   └── text-output.ts        # 文本输出模块
│   ├── ui/
│   │   └── index.html            # Electron UI 界面
│   ├── electron-main.ts          # Electron 主进程
│   ├── main.ts                   # CLI 命令行入口
│   ├── preload.ts                # Electron 预加载脚本
│   └── utils/
│       └── config.ts             # 配置管理
├── models/                       # ONNX 模型文件目录
│   ├── README.md                 # 模型说明
│   └── models.config.json        # 模型配置
├── docs/
│   ├── BUILD_WINDOWS.md          # Windows 构建指南
│   └── DEVELOPMENT.md            # 开发指南
├── scripts/
│   ├── postinstall.js            # 安装后脚本
│   └── prepare-build.js          # 打包准备脚本
├── dist/                         # TypeScript 编译输出
├── release/                      # Windows 打包输出
├── test/
│   └── audio-processor.test.ts   # 单元测试
├── package.json
├── tsconfig.json
└── PRD.md                        # 产品需求文档
```

## 开发计划

| 版本 | 状态 | 内容 |
|------|------|------|
| v0.1.0 | ✅ 完成 | 基础框架、单语言识别 demo |
| v0.5.0 | 🔄 进行中 | 多语言支持、Electron GUI |
| v1.0.0 | ⏳ 待开发 | 键盘模拟、批量转写、打包分发 |

## 命令行选项

```bash
# 启动语音识别
npm start -- start [选项]

选项:
  -l, --language <lang>  识别语言 (默认：zh)
  -m, --model <path>     模型文件路径
  -o, --output <mode>    输出模式：clipboard|keyboard|both (默认：clipboard)

# 转写音频文件
npm start -- transcribe <文件> [选项]

选项:
  -l, --language <lang>  识别语言 (默认：zh)
  -m, --model <path>     模型文件路径
  -o, --output <file>    输出文件路径
```

## 技术栈

| 模块 | 技术 |
|------|------|
| 运行时 | Node.js 20+ |
| UI 框架 | Electron |
| ONNX 推理 | onnxruntime-web |
| 剪贴板 | clipboardy |
| 命令行 | commander |
| 构建工具 | electron-builder |

## 许可证

MIT

## 贡献

欢迎提交 Issue 和 Pull Request！

## 相关资源

- [ONNX Runtime](https://onnxruntime.ai/)
- [SenseVoice Model](https://github.com/FunAudioLLM/SenseVoice)
- [Whisper ONNX](https://github.com/guillaumekln/faster-whisper)
- [Electron 文档](https://www.electronjs.org/docs)