sunerpy/voltip
sunerpy/voltip has 112 GitHub stars and 9 forks. GitHot measured +2 stars in 24 hours and +15 in 7 days. Last checked 2026-11-18 22:34 UTC. Last push 2026-11-15.
可以做什么
- Push-to-talk on a global hotkey (Ctrl+Alt+Space by default) or on a single key such as Right Ctrl or a mouse side button: hold to talk, press to start and press again to stop, or tap to lock a long take. A floating pill shows the input strength, the live transcript and the result.
- Live preview while you speak (a streaming Zipformer model), and output as one block, sentence by sentence, or from the stream directly.
- Clean-up by an LLM (the same providers, plus Google AI Studio, DeepSeek, Kimi, Zhipu GLM, Volcengine Ark, Tencent Hunyuan, Xiaomi MiMo, OpenRouter and a local Ollama), a personal dictionary that fixes words the recogniser keeps getting wrong, literal and regex replacement rules, and Simplified / Traditional Chinese normalisation.
- Voice edit: select text, hold Ctrl+Alt+E, say "make it more formal" or "translate to English", and the rewrite replaces the selection.
实测星标增长
- 24小时
- +2
- 7天
- +15
- 15天
- 更新延迟
- 1个月
- 更新延迟
各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。
关于
Push-to-talk voice typing for Windows, macOS, Linux and Android. On-device or cloud speech recognition, AI polish with presets, a dictionary, rules and scenes, long recordings with subtitles; the phone works on its own or pairs end-to-end encrypted as the computer's microphone and keyboard.
人工智能docs/readme/README.zh-CN.md
原文Voltip 是 Windows、Linux、macOS 和 Android 上的语音输入工具。在电脑上,按住热键时录音,松开后交给云端或本机模型识别,可选用 LLM 润色,再粘贴到当前有焦点的应用里。Android 应用可以单独使用,也可以当电脑的麦克风和键盘;iOS 版计划在后续发布。

视频
2 分 38 秒的使用教程:安装、第一次听写、AI 润色、语音编辑、本地识别、词典与规则,以及历史记录。使用 0.1.3 录制;英文版见英文 README。
https://github.com/user-attachments/assets/e5262be3-e140-43eb-bfc1-edf38dc53fff
功能
- 全局热键按住说话(默认
Ctrl+Alt+Space),也可以只用一个键,比如右 Ctrl 或鼠标侧键:按住说、松开出字;也可以按一下开始、再按一下结束,或者轻点一下锁定,适合长段口述。录音时屏幕上的悬浮胶囊显示输入强度、实时文字和结果。 - 识别可以走云端服务商(OpenAI、Groq、硅基流动、阿里云百炼(含边说边识别的实时模型),或任意 OpenAI 兼容接口),也可以在本机跑:Qwen3-ASR 0.6B / 1.7B(transcribe.cpp),SenseVoice、Paraformer(sherpa-onnx)。Qwen3-ASR 有 GPU 时在 GPU 上跑(Windows 和 Linux 用 Vulkan,在 NVIDIA 显卡上实测过;macOS 用 Metal),没有 GPU 时用 CPU。
- 边说边出字的实时预览(流式 Zipformer 模型);输出方式可以是整段输出、流式定稿或逐句实时插入。
- 可选的 LLM 润色(同样这些服务商,外加 DeepSeek 和本机的 Ollama);个人词典专门纠正识别器总听错的词;字面和正则两种替换规则;中文统一成简体或繁体。
- 语音编辑:选中一段文字,按住
Ctrl+Alt+E说「改得正式一点」或「翻译成英文」,改写结果直接替换选区。 - 场景:开始录音时哪个应用在前台,就按它决定这一次的润色风格、输出方式、语言和给 AI 的补充要求。
- 长录音:可以录麦克风、电脑播放的声音,或两者混合,单次最长 2 小时。录音时就分段识别,停止后很快出全文。在历史记录里可以用 AI 预设分段处理长文(「中英互译」得到译文,「要点纪要」得到要点),也可以导出 SRT 字幕素材或纯文本。
- 手机当麦克风和键盘:Android 手机扫二维码或输入 6 位码完成配对。之后在手机上按住说话(音频经端到端加密、用 Opus 压缩传输),或输入文字、发送剪贴板,文字出现在电脑的光标处。电脑可以一直开着配对,等下一部手机。
- 手机单独使用:没有电脑在线时,手机自己识别、润色,并把文字复制到剪贴板。手机有自己的语音和 AI 服务商、预设、词典、规则、场景和历史记录,除本地模型外功能齐全。已配对电脑的历史记录和设置会同步到手机供查看,手机单独识别的记录会把副本上传到电脑。
安装
一行命令安装
Windows 10/11,在 PowerShell 里执行:
irm https://raw.githubusercontent.com/sunerpy/voltip/main/scripts/install.ps1 | iex
Linux(x86_64)和 macOS(Apple 芯片或 Intel 芯片),在终端里执行:
curl -fsSL https://raw.githubusercontent.com/sunerpy/voltip/main/scripts/install.sh | sh
脚本会挑出适合这台电脑的安装包,连同 release 里的 SHA256SUMS 一起下载,校验不通过就什么都不装:
- Windows:静默运行按用户安装的安装器(不弹管理员授权),装完自动启动 Voltip。
- Linux:有 apt 的系统用
apt装.deb(会请你输入密码),否则把 AppImage 放到~/.local/bin,并加进应用菜单。 - macOS:自动识别芯片(在 Rosetta 终端里也一样),下载对应的 dmg,把应用放进「应用程序」(没有写权限时放进
~/Applications)。这样装的应用打开时不会被 Gatekeeper 拦下。
选项写在管道后面的 sh 前:curl -fsSL … | VOLTIP_VERSION=0.0.4 sh 安装指定版本而不是最新版,VOLTIP_PACKAGE=appimage 在 Debian 系的系统上也用 AppImage,VOLTIP_INSTALL_DIR 改变 AppImage 或 Mac 应用的位置。PowerShell 里先执行 $env:VOLTIP_VERSION = "0.0.4"。上面的命令从 main 读取脚本;想用某个版本随附的那一份,把 main 换成它的标签,比如 v0.0.4。
安装包
每个 release 都附带安装包、SHA256SUMS 和构建证明:
| 平台 | 安装包 | 说明 |
|---|---|---|
| Windows 10/11 x64 | *_x64-setup.exe(按用户安装)、*_x64-portable.zip(解压后运行 voltip-desktop.exe,旁边的 DLL 不能删) |
还没有代码签名,首次启动时 SmartScreen 会提示。 |
| Linux x64 | .deb、.AppImage |
在 Ubuntu 22.04 上构建,要求 glibc 2.34 及以上;.deb 依赖 libwebkit2gtk-4.1-0、libvulkan1 和 BLAS(libblas3,0.0.5 起),AppImage 需要 FUSE 2(libfuse2)。支持 X11 和 Wayland。 |
| Linux x64 服务器 | voltip-server-*-linux-x64.tar.gz |
用于没有桌面的服务器的本机语音服务(见下文);install.sh --server 安装,不需要 root。 |
| macOS 11+(Apple 芯片) | .dmg | M1 及更新 |
| macOS 11+(Intel 芯片) | .dmg | Intel 芯片的 Mac |
| Android 8.0+(64 位 Arm) | Voltip_*_android_arm64.apk |
在手机上打开即可安装。.aab 是上架 Google Play 用的安装包。从 0.0.50 起,应用界面使用 Android 原生控件;可直接覆盖安装 0.0.49 及更早的版本,配对、设置和记录都会保留。 |
Mac 的安装包是 *_aarch64.dmg(Apple 芯片)和 *_x64.dmg(Intel 芯片),用项目自己的自签名证书签名,没有公证。在 Mac 上手动安装:打开 dmg,把 Voltip 拖到「应用程序」。应用没有公证,第一次打开会被拦下:macOS 15 起到「系统设置 → 隐私与安全性」里点「仍要打开」;macOS 11 到 14 在「应用程序」里按住 Control 点 Voltip,选「打开」。也可以在终端执行 xattr -dr com.apple.quarantine /Applications/Voltip.app。之后的更新在应用里完成,麦克风和辅助功能的授权会保留。0.0.15 和 0.0.16 在安装后交接钥匙串条目的做法没有生效,所以 0.0.16 安装第一个带安装前交接修复的版本时,会为每个钥匙串条目各询问一次;两个都带修复的版本之间在应用内更新时不再询问。听写无效时,在系统设置的「辅助功能」和「麦克风」里把 Voltip 关掉再打开。
release 里的安装包内置了默认的识别和润色服务,装好就能直接听写,不用先配置。随时可以换成别的服务商或本机模型。
想自己核对下载的文件:拿它和 SHA256SUMS 里对应的那一行比对(sha256sum,Mac 上用 shasum -a 256),再确认它出自这个仓库的发布流程:
gh attestation verify Voltip_0.0.4_amd64.deb --repo sunerpy/voltip \
--signer-workflow sunerpy/voltip/.github/workflows/release-candidate.yml
快速开始
- 启动 Voltip。它直接打开首页,用默认服务就能听写。缺少的权限(麦克风,macOS 上还有辅助功能)会显示在首页,点一下就能去授权;想一步步设置热键、引擎并试听写一次,可以在「设置 → 通用 → 设置向导」打开向导。
- 把光标放进任意输入框,按住
Ctrl+Alt+Space说话,松开。 - 纯 Wayland 会话里没有全局热键:在合成器里给
voltip-desktop --toggle绑一个快捷键(语音编辑用--edit-toggle)。
想完全在本机识别,打开侧栏的「语音模型」,选「本机」,下载一个模型:推荐 Qwen3-ASR 0.6B(690 MB),最轻的是 SenseVoice-small(240 MB)。下载完之后,音频不再离开这台电脑。
程序还带一套无界面的命令行,适合脚本和服务器:
voltip-desktop --list-models # 模型库,以及哪些已经装好
voltip-desktop --download-model qwen3-asr-0.6b # 可续传,校验 sha256
voltip-desktop --transcribe-file sample.wav --json
voltip-desktop --list-compute # CPU 线程数和这个构建能用的 GPU
这台电脑上的其他程序(例如 Paseo 的手机听写)可以通过 OpenAI 兼容的 /v1/audio/transcriptions
使用 Voltip 的识别、词典和预设:在应用的「设置 → 本机服务」中开启,或在没有桌面的 Linux 服务器上运行
voltip-server(curl -fsSL https://raw.githubusercontent.com/sunerpy/voltip/main/scripts/install.sh | sh -s -- --server)。
服务只监听本机,每个请求都要携带令牌,详见本机服务。
隐私
音频只发给你选的识别服务;用本机模型时哪儿也不发。引擎页和首页都写着音频和文字各发到哪里。服务商密钥存在系统钥匙串里(Windows 凭据管理器、macOS 钥匙串、Linux 的 Secret Service),保存后界面不再显示。历史记录只存在本机,可以限制条数或者关掉。
手机和电脑用 Noise XX 握手配对,两边屏幕上核对同一个安全码。两台设备经中继连接,传输本身是端到端加密的,中继看不到音频和文字;网络中断后会自动重新连接。防护范围见 docs/threat-model.md。
从源码构建
需要 Rust(版本见 rust-toolchain.toml)、Node 22 和 pnpm 9、cmake;Linux 上还要 Tauri 的系统依赖(libwebkit2gtk-4.1-dev、libgtk-3-dev、libasound2-dev 等,完整列表在 .github/workflows/ci.yml)。
pnpm install --frozen-lockfile
make desktop-dev # 带热重载运行桌面端
make verify # CI 跑的全部检查:格式、lint、测试、覆盖率、许可证
make help # 其余目标
# 打包。没有内置默认服务(见下文)时,脚本会停下,除非明确说明就是要这样:
VOLTIP_ALLOW_NO_BUILTIN_ENGINES=1 make linux-x64 # dist/linux-x64 下的 .deb、.rpm、.AppImage
VOLTIP_ALLOW_NO_BUILTIN_ENGINES=1 make windows-x64 # 在 Linux 上交叉构建 Windows 安装器和便携版 zip
两个打包脚本都会构建 Vulkan 后端:固定版本的 Vulkan SDK(Windows 还有 Khronos loader vulkan-1.dll)会下载到 ~/.cache/voltip-vulkan,并校验 SHA-256。
自己构建的版本没有默认服务,在应用里选一个服务商或本机模型即可。想内置自己的默认值,把 .env.build.example 复制成 .env.build 并填好,构建脚本会读取它,每个值的含义见 .github/README-secrets.md。
每个安装包都带 THIRD-PARTY-NOTICES.txt,列出它包含的 Rust crate、前端依赖、字体和原生库(sherpa-onnx、ONNX Runtime、transcribe.cpp / ggml、Vulkan loader)的许可证全文。它由 scripts/release/third-party-notices.py 生成,打包脚本为此需要 cargo-about(cargo install cargo-about --locked --features cli)。
文档
使用指南见 voltip.firlab.app,提供中文和英文版本,页面写在 docs/site 中。
设计文档:
- docs/architecture.md:Rust 核心、两个 Tauri 壳,以及它们之间怎么通信。
- docs/dictation.md:听写流水线、引擎、模型、热键与文字插入。
- docs/pairing.md、docs/protocol.md、docs/threat-model.md:配对与加密通道。
- docs/frontend.md:界面与 IPC 契约。
- docs/runbook.md:构建、打包、中继与发版。
- docs/feedback.md:应用内反馈发出哪些内容,以及背后的接口。
- docs/acceptance.md:每个功能对应的实现和测试。
交流与反馈
- Telegram:Voltip 交流群
- 微信:Voltip 交流群和公众号「六月水蓝」。交流群的二维码有效期为 7 天,每周更换一次;如果微信提示二维码已过期,请关注公众号或加入 Telegram 群。
| Telegram 交流群 | 微信交流群 | 公众号「六月水蓝」 |
|---|---|---|
![]() |
![]() |
![]() |
报告问题或提出功能建议,请在 GitHub Issues 中提交,或使用应用侧栏底部的「反馈」。
参与贡献
欢迎提 issue 和 pull request。代码结构和约定见 AGENTS.md,流程见 CONTRIBUTING.md;安全问题请按 SECURITY.md 私下报告。
许可证
GNU Affero 通用公共许可证 3.0 或更高版本(AGPL-3.0-or-later)。0.0.20 及之前的版本以 Apache License 2.0 发布,仍适用该许可证。


