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

# 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：

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

# 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）

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

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

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

# 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
• SenseVoice Model
• Whisper ONNX
• Electron 文档