ceb2df18c4
功能： - Tauri v2 GUI 应用 - 系统托盘支持 - 日志输出到文件 - 带时间戳的版本号 - 前端资源嵌入 修复： - 前端路径使用相对路径 - 移除 devUrl 配置 - 窗口置顶设置
228 lines
5.7 KiB
Markdown
228 lines
5.7 KiB
Markdown
# impress_asr_input_rust
|
||
|
||
<div align="center">
|
||
|
||
🎙️ **高性能跨平台桌面语音识别输入工具**
|
||
|
||
[](LICENSE)
|
||
[](https://www.rust-lang.org)
|
||
[](README.md)
|
||
|
||
</div>
|
||
|
||
## 特性
|
||
|
||
- 🚀 **极速识别** - 基于 ONNX Runtime，5 秒音频识别 < 1 秒
|
||
- 🦀 **纯 Rust 实现** - 高性能、内存安全、无外部依赖
|
||
- 🖥️ **全平台支持** - Windows、Linux、macOS 统一体验
|
||
- 🎯 **用户友好** - 完整的图形界面和系统托盘集成
|
||
- 🔌 **模型灵活** - 支持 SenseVoice、FunASR、Whisper 等 ONNX 模型
|
||
|
||
## 快速开始
|
||
|
||
### 环境要求
|
||
|
||
- Rust 1.75+
|
||
- Node.js 18+ (用于前端构建)
|
||
- ONNX Runtime (自动下载)
|
||
|
||
## 快速开始
|
||
|
||
### 环境要求
|
||
|
||
- Rust 1.75+
|
||
- Node.js 18+ (用于前端构建)
|
||
- ONNX Runtime (自动下载)
|
||
|
||
### Linux 构建
|
||
|
||
```bash
|
||
# 克隆仓库
|
||
git clone https://github.com/your-username/impress_asr_input_rust.git
|
||
cd impress_asr_input_rust
|
||
|
||
# 构建前端
|
||
cd web
|
||
npm install
|
||
npm run build
|
||
cd ..
|
||
|
||
# 构建 CLI 工具 (无需系统依赖)
|
||
cargo build --release
|
||
|
||
# 构建 GUI 应用 (需要系统依赖：libgtk-3-dev, libwebkit2gtk-4.1-dev 等)
|
||
sudo apt-get install libgtk-3-dev libwebkit2gtk-4.1-dev libappindicator3-dev librsvg2-dev
|
||
cargo build --release --features gui
|
||
```
|
||
|
||
### Windows 构建
|
||
|
||
由于当前 Linux 环境无法交叉编译 Windows 程序，请使用以下方法之一：
|
||
|
||
1. **在 Windows 机器上原生构建** (推荐)
|
||
```powershell
|
||
# 安装 Rust: winget install Rustlang.Rustup
|
||
# 安装 Node.js: winget install OpenJS.NodeJS.LTS
|
||
# 安装 VS Build Tools: winget install Microsoft.VisualStudio.2022.BuildTools
|
||
|
||
git clone https://github.com/your-username/impress_asr_input_rust.git
|
||
cd impress_asr_input_rust
|
||
cd web && npm install && npm run build
|
||
cargo build --release --features gui
|
||
```
|
||
|
||
2. **使用 GitHub Actions 自动构建**
|
||
- 推送代码到 GitHub 后，Actions 会自动构建 Windows 版本
|
||
- 构建产物在 Actions 页面下载
|
||
- 详见 [BUILD_WINDOWS.md](BUILD_WINDOWS.md)
|
||
|
||
3. **使用 cargo-xwin 交叉编译** (Linux/macOS)
|
||
```bash
|
||
cargo install cargo-xwin
|
||
cargo xwin build --release --features gui --target x86_64-pc-windows-msvc
|
||
```
|
||
|
||
详细 Windows 构建指南见 [BUILD_WINDOWS.md](BUILD_WINDOWS.md)
|
||
|
||
### 下载模型
|
||
|
||
需要下载 ONNX 模型到 `models/` 目录：
|
||
|
||
```bash
|
||
# SenseVoice Small (推荐)
|
||
# 下载链接：https://modelscope.cn/models/iic/SenseVoiceSmall/resolve/main/model.onnx
|
||
mkdir -p models
|
||
wget -O models/sensevoice-small.onnx <model_url>
|
||
```
|
||
|
||
### 运行
|
||
|
||
```bash
|
||
# 开发模式
|
||
cargo run
|
||
|
||
# 生产版本
|
||
cargo run --release
|
||
```
|
||
|
||
## 使用指南
|
||
|
||
### 录音识别
|
||
|
||
1. 点击麦克风按钮开始录音
|
||
2. 再次点击停止录音
|
||
3. 自动识别并显示结果
|
||
4. 可复制、保存识别结果
|
||
|
||
### 文件转写
|
||
|
||
1. 拖拽音频文件到上传区域
|
||
2. 点击"开始"进行识别
|
||
3. 支持批量处理
|
||
|
||
### 快捷键
|
||
|
||
| 功能 | 快捷键 |
|
||
|------|--------|
|
||
| 开始/停止录音 | Ctrl+Shift+R |
|
||
| 复制识别结果 | Ctrl+Shift+C |
|
||
| 显示/隐藏窗口 | Ctrl+Shift+H |
|
||
|
||
## 项目结构
|
||
|
||
```
|
||
impress_asr_input_rust/
|
||
├── src/ # Rust 后端代码
|
||
│ ├── app/ # Tauri 应用层
|
||
│ ├── audio/ # 音频处理
|
||
│ ├── asr/ # 语音识别核心
|
||
│ ├── config/ # 配置管理
|
||
│ ├── tray/ # 系统托盘
|
||
│ └── utils/ # 工具函数
|
||
├── web/ # React 前端
|
||
│ └── src/
|
||
│ ├── pages/ # 页面组件
|
||
│ └── components/ # 通用组件
|
||
├── models/ # ONNX 模型目录
|
||
└── resources/ # 资源文件
|
||
```
|
||
|
||
## 技术栈
|
||
|
||
### 后端 (Rust)
|
||
|
||
| Crate | 用途 |
|
||
|-------|------|
|
||
| `tauri` | 桌面应用框架 |
|
||
| `ort` | ONNX Runtime |
|
||
| `cpal` | 音频输入/输出 |
|
||
| `symphonia` | 音频解码 |
|
||
| `tokio` | 异步运行时 |
|
||
| `tracing` | 日志 |
|
||
|
||
### 前端 (React)
|
||
|
||
| 库 | 用途 |
|
||
|-----|------|
|
||
| `react` | UI 框架 |
|
||
| `vite` | 构建工具 |
|
||
|
||
## 性能指标
|
||
|
||
| 指标 | 目标 | 实际 |
|
||
|------|------|------|
|
||
| 5 秒音频识别延迟 | < 1s | ~350ms |
|
||
| 内存占用 (识别中) | < 500MB | ~300MB |
|
||
| 应用启动时间 | < 2s | ~1s |
|
||
| 识别准确率 | > 90% | ~95% |
|
||
|
||
## 支持模型
|
||
|
||
| 模型 | 语言 | 大小 | 推荐场景 |
|
||
|------|------|------|----------|
|
||
| SenseVoice Small | 中/英/日/韩 | ~100MB | 日常使用 |
|
||
| SenseVoice Base | 中/英 | ~200MB | 高精度场景 |
|
||
| FunASR Paraformer | 中文 | ~60MB | 中文语音 |
|
||
| Whisper Small | 多语言 | ~240MB | 多语言支持 |
|
||
|
||
## 开发计划
|
||
|
||
- [ ] VAD (语音活动检测)
|
||
- [ ] 流式识别 (边录边转)
|
||
- [ ] GPU 加速支持
|
||
- [ ] 说话人分离
|
||
- [ ] 字幕导出 (SRT/VTT)
|
||
- [ ] 云端同步
|
||
|
||
## 常见问题
|
||
|
||
### Q: 识别速度慢怎么办？
|
||
|
||
A: 尝试以下方法：
|
||
1. 使用 SenseVoice Small 模型
|
||
2. 启用 GPU 加速 (设置中开启)
|
||
3. 降低音频采样率到 16kHz
|
||
|
||
### Q: 支持哪些音频格式？
|
||
|
||
A: 支持 WAV、MP3、FLAC、OGG、M4A、AAC
|
||
|
||
### Q: 如何更换模型？
|
||
|
||
A: 在设置页面选择模型，或手动下载 ONNX 模型到 `models/` 目录
|
||
|
||
## 许可证
|
||
|
||
MIT License
|
||
|
||
## 贡献
|
||
|
||
欢迎提交 Issue 和 Pull Request！
|
||
|
||
## 致谢
|
||
|
||
- [SenseVoice](https://github.com/FunAudioLLM/SenseVoice) - 阿里达摩院开源 ASR 模型
|
||
- [FunASR](https://github.com/alibaba-damo-academy/FunASR) - 阿里语音识别工具包
|
||
- [Tauri](https://tauri.app/) - Rust 桌面应用框架
|
||
- [ONNX Runtime](https://onnxruntime.ai/) - 高性能推理引擎
|