|
|
e36fb1d931
|
feat: 添加 Windows 依赖下载与配置脚本
1. scripts/setup_deps_windows.ps1
- 自动检测 Qt 5.12 MinGW 工具链路径
- 下载 ONNX Runtime Windows x64 预编译库 (1.21.0)
- 从源码编译 PortAudio (MinGW WASAPI+WMME)
- 将库文件放入 third_party/*/lib/win64/ 子目录
- 可视化依赖安装状态汇总
2. cmake/dependencies.cmake
- ONNX Runtime: Windows 查找 win64/lib/ 子目录
- 自动将 onnxruntime.dll 复制到输出目录
- PortAudio: 保持 win64/macos/linux 平台分离
3. CMakeLists.txt
- Windows 链接 winmm ksuser setupapi ole32 (PortAudio 需要)
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-13 18:12:26 +08:00 |
|
|
|
50b6a5daea
|
chore: 迁移 Qt6 到 Qt5
- find_package(Qt6 ...) -> find_package(Qt5 ...)
- 移除 qt_standard_project_setup() (Qt5 无此函数)
- qt_add_resources -> qt5_add_resources + .qrc 资源文件
- QTextStream::setEncoding(QStringConverter::Utf8) -> setCodec("UTF-8")
(3 个 tokenizer 文件 + logger.cpp)
- 更新 tests/CMakeLists.txt 使用 Qt5::Core
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-13 17:16:24 +08:00 |
|
|
|
01a39ddc8c
|
feat: 实现基于 VAD 的流式 WAV 录制识别方案
- 新增 StreamingAudioWriter 组件：持续录制 WAV 文件，VAD 检测静音段自动切换
- 静音检测：检测到 ~1s 连续静音后关闭当前文件，触发 chunkCompleted 信号
- STTTestPage 重构：移除缓冲区推理模式，改为 WAV 文件流式识别
- 每个 WAV 文件完成后在后台线程读取并推理，不阻塞继续录制
- 设置页面新增「调试音频目录」配置项
- 音频存储路径：debug 模式使用配置目录，非 debug 模式使用系统临时目录
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-13 15:33:03 +08:00 |
|
|
|
a2b216092f
|
fix: 修复配置保存死锁，添加快捷键录制组件
- 修复 ConfigManager::set() 在持有锁时发射信号导致的死锁
- 添加 setBatch() 方法批量更新配置，只发射一次 configChanged
- 新增 HotkeyRecorder 组件：点击按钮后按键录制任意快捷键
- SettingsPage 保存配置改为批量写入，避免多次触发服务重启
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-13 14:49:55 +08:00 |
|
|
|
85a0890478
|
feat: 完善跨平台支持（Windows + macOS + Linux）
CMakeLists.txt:
- Qt6::DBus 和 pthread 改为平台条件链接
- 新增 PLATFORM_WINDOWS/PLATFORM_MACOS/PLATFORM_LINUX 编译宏
- 平台特定的源文件通过条件块选择
Windows 实现（新增）:
- win_hotkey.cpp/h: 使用 RegisterHotKey API + QAbstractNativeEventFilter
捕获 WM_HOTKEY 消息，通过 GetAsyncKeyState 轮询检测按键松开
- win_text_injector.cpp/h: 使用 SendInput API 的 KEYEVENTF_UNICODE
实现全 Unicode 字符注入
macOS 实现（占位）:
- mac_hotkey.cpp/h: 预留 CGEventTap 接口，暂不实现
- mac_text_injector.cpp/h: 使用 CGEventCreateKeyboardEvent 实现
通用修复:
- 硬编码 /tmp 路径替换为 QDir::tempPath()（跨平台临时目录）
- voice_input_service.cpp 使用条件 include 选择平台实现
- 设置页面移除 /tmp 硬编码提示文本
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-13 11:28:57 +08:00 |
|
|
|
cda68e5376
|
feat: 添加 CapsLock 语音输入核心模块
新增三个核心组件：
- CapsLockVoiceHotkey: 基于 freedesktop GlobalShortcuts D-Bus Portal
的全局快捷键注册，支持 Wayland 环境
- WaylandTextInjector: 通过 dlopen 动态加载 XTest 实现文本注入，
无需编译时依赖 libXtst-devel 头文件
- VoiceInputService: 状态机协调器，实现长按 1s 录音、松开转写、
短按恢复 CapsLock 的完整交互流程
CMakeLists.txt 新增 Qt6::DBus 依赖和新源文件。配置管理器新增
capslock_voice_enabled 开关。
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-13 11:12:57 +08:00 |
|
|
|
9a6dfa3b88
|
feat: 集成 SenseVoice 完整推理管线
- 新增 SenseVoiceEngine: 专用 SenseVoice ONNX 模型推理引擎
- 新增 SenseVoiceFeatures: Fbank 特征提取 + LFR 拼接 + CMVN 归一化
- 80-dim Mel 滤波器组 + 对数压缩
- LFR (Low Frame Rate): window_size=7, window_shift=6 → 560-dim
- CMVN: neg_mean / inv_stddev 从模型元数据自动提取
- 新增 SenseVoiceTokenizer: 加载 tokens.txt 词表，BPE 解码
- 新增 CTC 贪婪解码: 去除重复 token 和空白符
- 配置页面新增词表路径选择
- STT 测试页面和文件转写页面切换至 SenseVoiceEngine
- 更新 CMakeLists.txt 包含所有新增源文件
- 模型: /home/alvin/Documents/SenseVoice-Small/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17/model.onnx
- 语言支持: 中文/英语/日语/韩语/粤语 自动检测
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-12 19:26:11 +08:00 |
|
|
|
a3f1b1d9a6
|
feat: 添加 VAD 模块和单元测试框架
- 新增 VoiceActivityDetector 基于能量+过零率的语音活动检测
- 引入 Catch2 单元测试框架
- 添加 4 个测试模块: AudioProcessor/VAD/MelSpectrogram/WhisperTokenizer
- 从构建中移除废弃的 tokenizer/decoder 文件
- 39 个测试用例全部通过
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-12 16:57:46 +08:00 |
|
|
|
760899e81c
|
feat: 完善推理管线和后台任务管理
核心改进:
- STTEngine 接入 WhisperTokenizer 解码，输出可读文本而非 [T1234]
- 模型加载时自动查找同目录下的 tokenizer.vocab 词表
- language 参数生效，推理时记录语言配置
- 卸载模型时清理 tokenizer 状态
文件转写后台化:
- FileTranscribePage 使用 QtConcurrent 后台线程执行解码+推理
- 模型加载也在后台执行，不阻塞 UI
- processFileAsync() + onTaskComplete() 异步队列处理
- 支持中途停止 (onStopTranscribe)
构建:
- CMake 默认使用 RelWithDebInfo (Release 带调试信息)
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-12 16:27:36 +08:00 |
|
|
|
bba124aee4
|
feat: 实现 Whisper ONNX 完整推理管线
新增组件:
- MelSpectrogram: Mel 频谱图提取 (Hann 窗 + FFT + Mel 滤波器组)
- WhisperTokenizer: BPE 分词器 (支持 token 编解码和特殊 token)
核心改进:
- STTEngine 动态检测 ONNX 模型输入/输出名称
- 支持两种模型格式: 直接输出 [1, vocab_size] 和自回归 [1, seq, vocab]
- argmax + softmax 解码 + 置信度计算
- infer() 接口改为 language 参数替代 isStreaming
UI 调整:
- STTTestPage 和 FileTranscribePage 适配新的 infer() 接口
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-12 16:17:10 +08:00 |
|
|
|
02e100b318
|
feat: 初始化 Impress Voice Input 项目
基于 ONNX 的实时语音转文本输入法，C++ 跨平台实现。
核心组件：
- Qt 6 跨平台 GUI（实时识别 / 文件转写 / 配置页面）
- ONNX Runtime 推理引擎（异步模型加载）
- PortAudio 音频采集
- dr_libs 音频文件解码
- JSON 配置管理（线程安全，自动持久化）
- 日志系统（控制台 + 文件输出）
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
|
2026-05-12 15:53:05 +08:00 |
|
