impress_voice_input

53 Commits 1 Branch 2 Tags 2 MiB

Author	SHA1	Message	Date
impressionyang	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
impressionyang	09074a71fe	docs: 添加第三方依赖部署指南详细说明各依赖库的下载来源、编译方法和验证步骤，包含快速部署脚本。 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-05-12 16:00:52 +08:00
impressionyang	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

Author

SHA1

Message

Date

impressionyang

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

impressionyang

09074a71fe

docs: 添加第三方依赖部署指南

详细说明各依赖库的下载来源、编译方法和验证步骤，
包含快速部署脚本。

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

2026-05-12 16:00:52 +08:00

impressionyang

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