docs: 完善 README 使用说明

- 添加下载安装、快速开始、使用说明、快捷键、CapsLock 工作模式
- 补充语音输入和文件转写详细流程
- 添加系统托盘、状态栏说明和常见问题
- 更新 License 为 GPLv3
- 完善项目结构、技术栈、编译指南和命令行参数

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

README.md

@@ -4,24 +4,99 @@
 
 ## 功能特性
 
-- **实时语音识别** — 麦克风采集，流式输出识别结果
+- **实时语音识别** — 长按快捷键开始录音，松开自动识别并注入文字
-- **音频文件转写** — 支持 WAV/MP3/FLAC，批量处理，导出 TXT/SRT
+- **音频文件转写** — 支持 WAV/MP3/FLAC/OGG，批量处理，导出 TXT/SRT
-- **跨平台 GUI** — Qt 6 构建，支持 Windows / macOS / Linux
+- **跨平台 GUI** — Qt 6 构建，支持 Windows / Linux
-- **本地推理** — ONNX Runtime，支持 CPU/GPU 加速
+- **本地推理** — SenseVoice ONNX 模型，支持 CPU/GPU 加速
 - **可配置** — 模型路径、推理参数、快捷键均可自定义
+- **系统托盘** — 最小化后台运行，双击快速唤出
+
+## 快速开始
+
+### 下载安装
+
+| 平台 | 文件 | 大小 |
+|------|------|------|
+| Windows | `impress_voice_input_windows.zip` | ~47MB |
+| Linux | `impress_voice_input_linux.tar.gz` | ~34MB |
+
+- **Windows**：解压后进入 `dist_win/` 目录，双击 `impress_voice_input.exe`
+- **Linux**：解压后运行 `./run.sh`
+
+### 首次使用
+
+1. 获取 SenseVoice ONNX 模型（`.onnx` 格式）
+2. 打开应用 → 切换到 **配置** 标签页
+3. 设置 **模型路径** 指向 `.onnx` 文件
+4. 设置 **词表路径** 指向 `tokens.txt` 文件
+5. 点击 **保存配置**
+6. 设置语音快捷键（默认长按 CapsLock）
+7. 状态栏右侧显示 <span style="color:#27ae60">**模型已就绪**</span> 即可开始使用
+
+## 使用说明
+
+### 快捷键
+
+| 功能 | 快捷键 |
+|------|--------|
+| 语音输入 | 长按 CapsLock 超过 1 秒（可自定义） |
+| 使用说明 | F1 |
+| 重启应用 | Ctrl+R |
+| 退出应用 | Ctrl+Q |
+
+### CapsLock 工作模式
+
+- **短按（< 1 秒）**：正常切换大小写锁定
+- **长按（> 1 秒）**：触发语音输入模式，开始录音
+- **松开快捷键**：停止录音 → 自动识别 → 文字注入目标应用
+
+### 语音输入流程
+
+1. 在 **配置** 页面中设置正确的 STT 模型路径并保存
+2. 设置语音输入快捷键（默认长按 CapsLock）
+3. 将光标定位到需要输入文字的目标应用（如微信、Word、浏览器等）
+4. 长按快捷键开始说话，说完后松开
+5. 识别的文字将自动输入到目标应用中
+
+### 文件转写流程
+
+1. 切换到 **音频文件转写** 标签页
+2. 点击 **选择文件** 选择音频文件，支持拖放
+3. 点击 **开始转写**，等待处理完成
+4. 点击 **复制结果** 复制到剪贴板，或 **导出结果** 保存为文件
+
+### 系统托盘
+
+关闭主窗口时程序最小化到系统托盘，托盘图标菜单支持：
+
+- **显示主窗口**：恢复主窗口显示
+- **重启**：重启应用程序
+- **退出**：完全退出程序
+- 双击托盘图标可快速显示主窗口
+
+### 状态栏
+
+底部状态栏右侧显示 STT 模型加载状态：
+
+- <span style="color:#27ae60">**模型已就绪**</span> — 模型加载成功，可以正常使用
+- <span style="color:#e74c3c">**模型路径未设置**</span> — 请在配置页面设置模型路径
+- <span style="color:#e67e22">**模型加载失败**</span> — 模型文件路径错误或文件损坏
 
 ## 项目结构
 
 ```
 impress_voice_input/
 ├── CMakeLists.txt              # 构建配置
-├── PRD.md                      # 产品需求文档
+├── LICENSE                     # GNU GPLv3 授权文件
+├── README.md                   # 项目说明
+├── build-linux.sh              # Linux 构建脚本
+├── build-win.sh                # Windows 交叉编译 + 打包脚本
 ├── cmake/                      # CMake 模块
 │   └── dependencies.cmake      # 依赖查找
 ├── src/
 │   ├── main.cpp                # 入口
 │   ├── app/                    # 应用层 (Application, ConfigManager)
-│   ├── core/                   # 核心 (STTEngine, AudioProcessor, Decoder, Tokenizer)
+│   ├── core/                   # 核心 (SenseVoiceEngine, AudioProcessor, VoiceInputService)
 │   ├── audio/                  # 音频 (AudioCapture, AudioDecoder, RingBuffer)
 │   ├── ui/                     # GUI 页面与控件
 │   │   ├── main_window.cpp     # 主窗口
@@ -39,8 +114,9 @@ impress_voice_input/
 
 | 组件 | 选型 |
 |------|------|
-| GUI | Qt 6 |
+| GUI | Qt 6 (Fusion / Windows 原生风格) |
 | 推理引擎 | ONNX Runtime (C++ API) |
+| 语音模型 | SenseVoice Small |
 | 音频采集 | PortAudio |
 | 音频解码 | dr_libs (dr_wav, dr_mp3, dr_flac) |
 | 构建系统 | CMake 3.20+ |
@@ -61,21 +137,33 @@ impress_voice_input/
 ```bash
 # 放入 third_party/ 目录
 third_party/
-├── onnxruntime/
+├── onnxruntime/          (Linux)
-│   ├── include/
+├── onnxruntime-win-x64/  (Windows 交叉编译)
-│   └── lib/
 ├── portaudio/
 │   ├── include/
 │   └── lib/
-├── dr_libs/
+└── dr_libs/
-│   ├── dr_wav.h
+    ├── dr_wav.h
-│   ├── dr_mp3.h
+    ├── dr_mp3.h
-│   └── dr_flac.h
+    └── dr_flac.h
-└── nlohmann_json/
-    └── json.hpp
 ```
 
-### 编译
+### Linux 编译
+
+```bash
+./build-linux.sh --release
+# 可执行文件: build_linux/impress_voice_input
+```
+
+### Windows 交叉编译
+
+```bash
+./build-win.sh --release
+# 输出: build_win/dist_win/ (可直接运行的目录)
+#       dist/impress_voice_input_windows.zip (发布压缩包)
+```
+
+### 手动编译
 
 ```bash
 mkdir build && cd build
@@ -83,15 +171,7 @@ cmake .. -DCMAKE_BUILD_TYPE=Release
 cmake --build . -j$(nproc)
 ```
 
-### 带测试编译
+### 命令行参数
-
-```bash
-cmake .. -DCMAKE_BUILD_TYPE=Release -DBUILD_TESTS=ON
-cmake --build . -j$(nproc)
-ctest
-```
-
-## 运行
 
 ```bash
 # 默认启动
@@ -102,39 +182,45 @@ ctest
 
 # 指定模型
 ./impress_voice_input --model /path/to/model.onnx
+
+# 指定日志目录
+./impress_voice_input --log-dir /path/to/logs
 ```
 
-## 模型准备
+## 常见问题
 
-支持以下 ONNX 格式模型：
+**Q: 语音输入没有反应？**
-- **Whisper** (small/medium) — 多语言，高质量
+A: 请确认：① 模型已加载（状态栏显示"模型已就绪"）；② 已设置语音快捷键；③ 麦克风正常工作。
-- **Paraformer** — 中文优化
-- 其他兼容 CTC 的 ASR 模型
 
-将 `.onnx` 模型文件放入 `models/` 目录，然后在配置页面设置路径。
+**Q: 识别文字没有输入到目标应用？**
+A: 某些应用可能拦截模拟按键输入，请尝试在管理员权限下运行本程序。
+
+**Q: 识别速度慢？**
+A: 在配置中增大 ONNX 线程数，或使用 GPU 版本的 ONNX Runtime。
+
+**Q: CapsLock 短按不起作用？**
+A: 请确保按键时间小于 1 秒，超过 1 秒会触发语音输入模式。
 
 ## 当前状态
 
-项目处于 **核心推理实现阶段**：
-
 - [x] 项目结构与 CMake 配置
 - [x] 配置管理模块 (线程安全，自动持久化)
-- [x] STT 推理引擎 (ONNX Runtime 集成，异步模型加载)
-- [x] Mel 频谱图提取 (Hann 窗 + FFT + Mel 滤波器组)
-- [x] Whisper Tokenizer (BPE 分词)
-- [x] 音频采集/解码框架 (PortAudio/dr_libs)
-- [x] 三个 GUI 页面 (实时识别 / 文件转写 / 配置)
-- [x] 日志系统 (控制台 + 文件输出)
-- [x] 批量文件转写 (支持 WAV/MP3/FLAC)
-- [x] 结果导出 (TXT / SRT 字幕 / JSON 结构化数据)
-- [x] 音频重采样 (非 16kHz 音频自动重采样)
-- [x] 语音活动检测 (VAD — 短时能量 + 过零率)
-- [x] 音频文件信息 (时长/采样率/声道数)
-- [x] 单元测试框架 (Catch2, 39 个测试用例)
-- [x] 完整 Whisper 推理 (自回归解码 + 流式识别)
 - [x] SenseVoice 完整推理 (Fbank → LFR → CMVN → ONNX → CTC 解码)
-- [ ] 跨平台打包
+- [x] Mel 频谱图提取 (Hann 窗 + FFT + Mel 滤波器组)
+- [x] Whisper 推理 (自回归解码 + 流式识别)
+- [x] 音频采集/解码 (PortAudio/dr_libs)
+- [x] 音频重采样 (非 16kHz 自动处理)
+- [x] 语音活动检测 (VAD)
+- [x] 三个 GUI 页面 (实时识别 / 文件转写 / 配置)
+- [x] 批量文件转写 + 结果导出 (TXT / SRT / JSON)
+- [x] 日志系统 (控制台 + 文件)
+- [x] Windows 全局快捷键 (CapsLock 长按)
+- [x] Linux Wayland/X11 快捷键 + 文本注入
+- [x] 系统托盘 + 主题切换 (深色/浅色)
+- [x] 跨平台打包
+- [ ] 单元测试完善
+- [ ] macOS 支持
 
 ## License
 
-MIT
+GNU General Public License v3.0 — 详见 [LICENSE](LICENSE) 文件。