7c51542918
功能: - 基于 ONNX 的语音识别引擎 - 多语言支持（中文、英文、日语、韩语） - 模型加载器（支持 SenseVoice/Whisper/Paraformer） - 音频采集和处理模块（VAD、重采样、归一化） - 文本输出模块（剪贴板） - CLI 命令行工具 - Electron GUI 界面 - Windows x64 打包配置 文档: - PRD 产品需求文档 - README 项目说明 - 开发指南 - Windows 构建指南 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
173 lines
4.6 KiB
Markdown
173 lines
4.6 KiB
Markdown
# 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)
|