# op-input

**Repository Path**: hnwlc/op-input

## Basic Information

- **Project Name**: op-input
- **Description**: AI语音输入法客户端，支持本地和云ASR，支持AI润色
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-06-08
- **Last Updated**: 2026-06-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# OP速记

AI 语音输入法 Windows 客户端。一键语音输入，实时转文字，自动粘贴到当前光标位置。

支持腾讯云、阿里云百炼、火山引擎三种云端 ASR，可配置本地 LLM 润色（支持 API Key 认证与长文本分块）。音频通过麦克风实时采集，VAD 本地切分，转录引擎可选云服务或自建私有服务。

**项目状态：** Phase 2 完成 — 可日常使用

---

## 截图

```
┌──────────────────────────────┐      ┌─── 设置 · OP速记 ────────────┐
│  ● 录音中              00:23 │      │  [✓云服务直连] [私有服务]    │
│  ▂▄▆▇▆▄▂▄▆▇                  │      │  [腾讯云                ▼]  │
│  ✓ 今天下午三点的会议改到     │      │  API Key  [••••••••••••••] │
│    明天上午了。               │      │  ● 服务已连接               │
│  ✓ 张翠山说鲲鹏项目的预算     │      │  ─────────────────────────  │
│    已经批下来了。             │      │  启用 LLM 润色        [🔵] │
│  ~ 下周需要和腾讯云对接       │      │  API: qwen2.5:7b           │
│                              │      │  ─────────────────────────  │
│  再按右 Alt 停止      [■ 停止]│      │  热键: [右 Alt 🖊]         │
└──────────────────────────────┘      │  词库: 张翠山 鲲鹏项目     │
  录音浮层                             │              [保存]         │
                                       └───────────────────────────┘
                                         设置弹窗
```

## 功能

| 功能 | 说明 |
|------|------|
| 🎤 **全局热键录音** | 默认右 Alt，支持自定义组合键（Ctrl+Alt+F2 等） |
| 🎙️ **麦克风采集** | 直接通过麦克风实时录音，非系统音频环回 |
| 🧠 **本地 VAD 切分** | Silero VAD 实时检测语音起止，智能分段 |
| ⚡ **流式 ASR** | WebSocket 直连云服务，实时返回识别结果（腾讯云/阿里云百炼/火山引擎） |
| ✨ **LLM 润色** | 可选 AI 润色（Ollama / OpenAI 兼容），支持 API Key 认证与 5000 字自动分块 |
| 📋 **自动粘贴** | 识别完成后自动 Ctrl+V 粘贴到当前窗口 |
| 📚 **用户词库** | 自定义热词注入 ASR，提高识别率 |
| 🔒 **隐私可控** | 录音本地处理，ASR 可选云服务或自建服务 |
| 🖼️ **自定义图标** | 托盘与任务栏自定义应用图标 |
| 📝 **日志系统** | Serilog 文件日志，按天滚动保留 7 天 |
| 🔧 **配置导入导出** | JSON 格式备份和恢复所有设置 + 词库 |

## 快速开始

### 1. 环境要求

- Windows 10+
- [.NET 8 SDK](https://dotnet.microsoft.com/download/dotnet/8.0)
- 一个云 ASR 服务账号（任选其一）：
  - [腾讯云语音识别](https://cloud.tencent.com/product/asr)
  - [阿里云百炼](https://help.aliyun.com/zh/model-studio/asr-model/)
  - [火山引擎豆包语音](https://www.volcengine.com/docs/6561/1354869)

### 2. 下载 VAD 模型

Silero VAD ONNX 模型用于本地语音活动检测（约 90MB）：

```powershell
# 自动下载
cd scripts
./download-vad-model.ps1
```

或手动下载到 `models/` 目录：
https://github.com/snakers4/silero-vad/raw/master/files/silero_vad.onnx

### 3. 开发

```bash
# 还原
dotnet restore

# 构建
dotnet build

# 运行
dotnet run --project src/OPSpeed

# 测试
dotnet test
```

### 4. 打包

```powershell
# 一键构建（还原→构建→测试→发布）
cd scripts
./build.ps1

# 或使用 bat 脚本
.\scripts\build.bat

# 或手动
dotnet publish src/OPSpeed/OPSpeed.csproj -c Release -r win-x64 --self-contained true -p:PublishSingleFile=true -o dist
```

### 5. 配置

首次运行后右键系统托盘图标 → 设置：

1. **语音服务** — 选择厂商并填写 API Key
2. **AI 润色** — 填写 LLM 地址（如 `http://localhost:11434/v1`）和模型名
3. **常规** — 设置用户名、自定义热键
4. **词库管理** — 添加常见人名、项目名等热词

## 架构

```
┌─────────────────────────────────────────────────────────────┐
│                    OP速记 Windows Tray                         │
│                    .NET 8 + C# WPF                            │
│                                                              │
│  系统托盘常驻                                                  │
│  ┌────────────────┐     ┌──────────────────┐                 │
│  │ HotkeyService   │────▶ AudioCapture      │                 │
│  │ (User32 热键)   │     │ (NAudio 麦克风)   │                 │
│  └────────────────┘     └────────┬─────────┘                 │
│                                  │ PCM 16kHz                  │
│                                  ▼                            │
│  ┌────────────────┐     ┌──────────────────┐                 │
│  │ Serilog 日志    │     │ VadService        │                 │
│  │ (%APPDATA%/log) │     │ (Silero ONNX)     │                 │
│  └────────────────┘     └────────┬─────────┘                 │
│                                  │ 音频段                     │
│                                  ▼                            │
│  ┌──────────────────────────────────────────┐                 │
│  │          AsrService (WebSocket)           │                 │
│  │  ┌──────────┐ ┌──────────┐ ┌──────────┐  │                 │
│  │  │ 腾讯云    │ │ 阿里云    │ │ 火山引擎  │  │                 │
│  │  │ HMAC-SHA1│ │ Bearer   │ │ Header   │  │                 │
│  │  │ +热词注入 │ │          │ │          │  │                 │
│  │  └──────────┘ └──────────┘ └──────────┘  │                 │
│  └──────────────────┬───────────────────────┘                 │
│                     │ 流式文本                                 │
│                     ▼                                          │
│  ┌────────────────┐     ┌──────────────────┐                 │
│  │ OverlayWindow   │     │ LlmService        │                 │
│  │ (浮层+标题栏)   │     │ (HttpClient)     │                 │
│  │ (重置/关闭按钮) │     │ (API Key 认证)    │                 │
│  └────────────────┘     │ (5000字分块)      │                 │
│                          └──────────────────┘                 │
│                                                              │
│  ┌────────────────┐     ┌──────────────────┐                 │
│  │ ClipboardService│     │ ConfigService     │                 │
│  │ (粘贴+复制)     │     │ (JSON + SQLite)   │                 │
│  └────────────────┘     └──────────────────┘                 │
│                                                              │
│  ┌──────────────────────────────────────────┐                 │
│  │  SettingsWindow (模态设置弹窗)             │                 │
│  │  语音服务｜AI润色｜常规｜词库管理｜导入导出   │                 │
│  └──────────────────────────────────────────┘                 │
└─────────────────────────────────────────────────────────────┘
```

## 完整工作流

```
按右 Alt
  │
  ▼
弹出浮层 + 开始录音
  │
  ▼
VAD 实时检测 → 每 30ms 判断说话/静音
  │
  ├── 说话中 → 缓存音频 → 推送到 ASR WebSocket
  │               ↓
  │          收到 partial 结果 → 浮层实时更新
  │
  ├── 450ms 静音 → 段结束 → ASR 返回 final 结果
  │               ↓
  │           浮层追加完成句子 + 追加到全文
  │
  └── [循环直到再按右 Alt]
         │
         ▼
      停止录音
         │
         ├── LLM 润色（可选）→ 润色全文
         ├── 复制到剪贴板
         ├── 模拟 Ctrl+V 粘贴到当前窗口
         └── 3 秒后浮层自动收起
```

## 项目结构

```
op-input/
├── OPSpeed.sln
├── src/
│   ├── OPSpeed/                    # WPF 主项目
│   │   ├── App.xaml / .cs          # 应用入口 + Serilog 初始化
│   │   ├── MainWindow.xaml / .cs   # 隐藏宿主窗口 + 服务编排
│   │   │
│   │   ├── Windows/
│   │   │   ├── OverlayWindow.*      # 录音浮层（透明置顶，含标题栏按钮）
│   │   │   └── SettingsWindow.*     # 设置弹窗（模态）
│   │   │
│   │   ├── ViewModels/
│   │   │   ├── OverlayViewModel.cs   # 浮层状态机
│   │   │   └── SettingsViewModel.cs  # 设置数据映射
│   │   │
│   │   ├── Services/
│   │   │   ├── HotkeyService.cs     # 全局热键 (User32)
│   │   │   ├── TrayService.cs       # 系统托盘 (NotifyIcon)
│   │   │   ├── AudioCaptureService  # 麦克风录音 (NAudio)
│   │   │   ├── VadService.cs        # VAD 切分 (Silero ONNX)
│   │   │   ├── AsrService.cs        # ASR 客户端 (腾讯/阿里/火山/私有)
│   │   │   ├── LlmService.cs        # LLM 润色 (OpenAI 兼容)
│   │   │   ├── ClipboardService.cs   # 剪贴板 + 模拟粘贴
│   │   │   ├── ConfigService.cs     # 配置 + 词库 (JSON+SQLite)
│   │   │   ├── LogService.cs        # Serilog 日志
│   │   │   ├── IAsrService.cs       # ASR 服务接口
│   │   │   └── VirtualKey.cs        # 热键枚举 + HotkeyBinding
│   │   │
│   │   ├── Models/
│   │   │   ├── AppConfig.cs         # 配置模型
│   │   │   └── VocabEntry.cs        # 词库条目
│   │   │
│   │   └── Resources/
│   │       ├── Models/              # ONNX 模型目录
│   │       └── Icons/app.ico        # 托盘图标
│   │
│   └── OPSpeed.Tests/              # xUnit 测试项目
│       ├── HotkeyServiceTests.cs
│       ├── ConfigServiceTests.cs
│       ├── AudioCaptureServiceTests.cs
│       ├── VadServiceTests.cs
│       ├── AsrServiceTests.cs
│       ├── OverlayViewModelTests.cs
│       ├── ClipboardServiceTests.cs
│       ├── LlmServiceTests.cs
│       ├── PipelineTests.cs
│       ├── LogServiceTests.cs
│       ├── SettingsViewModelTests.cs
│       ├── E2ePipelineSimulator.cs
│       └── E2eFullPipelineTests.cs
│
├── models/                          # VAD ONNX 模型
├── scripts/
│   ├── build.ps1                    # 一键构建 (PowerShell)
│   ├── build.bat                    # 一键构建 (CMD)
│   └── download-vad-model.ps1       # VAD 模型下载
├── docs/
│   ├── opspeed-tray-spec.md         # 设计规格 (Markdown)
│   └── opspeed-tray-spec.html       # 设计规格 (HTML)
└── README.md
```

## 技术栈

| 层级 | 技术 | 用途 |
|------|------|------|
| 框架 | .NET 8 + WPF | 桌面应用 |
| 录音 | NAudio 2.x | 麦克风音频采集 + 重采样 |
| VAD | ONNX Runtime + Silero VAD | 本地语音活动检测（30ms 帧，450ms 切分） |
| ASR | System.Net.WebSockets | 云端流式语音识别（腾讯/阿里/火山/私有） |
| LLM | HttpClient | AI 文本润色（Ollama / OpenAI 兼容，5000 字分块） |
| 剪贴板 | User32 P/Invoke | 模拟 Ctrl+V 粘贴 |
| 热键 | User32.RegisterHotKey | 全局快捷键 + 组合键 |
| 存储 | Microsoft.Data.Sqlite | 词库持久化 |
| 配置 | System.Text.Json | JSON 配置 + 导入导出 |
| 日志 | Serilog | 文件日志（按天滚动，保留 7 天） |
| 测试 | xUnit | 91 个单元 + E2E 测试 |

## 配置存储位置

```
%AppData%/OPSpeed/
├── config.json        # 用户配置（语言服务、LLM、热键等）
├── vocab.db           # 词库 (SQLite)
└── logs/
    └── opspeed-20260609.log   # 运行日志
```

## 云 ASR 服务开通

### 腾讯云

1. 访问 [语音识别控制台](https://console.cloud.tencent.com/asr)
2. 开通服务，获取 `AppId` 和 `SecretKey`
3. 在 OP速记 设置中选择腾讯云并填入凭据

### 阿里云百炼

1. 访问 [百炼控制台](https://help.aliyun.com/zh/model-studio/getting-started/)
2. 开通模型服务 `fun-asr-realtime`，获取 API Key
3. 在 OP速记 设置中选择阿里云并填入 API Key

### 火山引擎

1. 访问 [豆包语音控制台](https://console.volcengine.com/speech/)
2. 开通流式语音识别，获取 APP Key
3. 在 OP速记 设置中选择火山引擎并填入 APP Key

## 开发路线

- ✅ **Phase 1** — MVP: 热键 → 录音 → VAD → ASR → 粘贴
- ✅ **Phase 2** — 完善: 词库 + 多家 ASR + 热键自定义 + 日志 + 自启 + 导入导出
- ⬜ **Phase 3** — 私有 ASR 服务端 (FastAPI + FunASR)
- ⬜ **Phase 4** — 会议录音模式 + Speaker Diarization

## 许可证

Apache 2.0

## 相关项目

- [ququ](https://github.com/yan5xu/ququ) — 语音输入法灵感来源，Electron + Python + FunASR