开源、本地优先的 macOS 中文语音输入工具：按住快捷键说话，松开后自动转写、恢复标点、轻量纠错并粘贴到当前输入位置。
MyVoiceTyping 面向写文档、回消息、记录需求、整理想法、AI Coding prompt 等中文和中英混合输入场景。相比持续打字，语音输入更接近日常表达节奏，也更适合长句和段落输入。
它也可以作为 Typeless / 闪电说之外的本地化平替选择：默认语音识别、标点恢复和文本改写都在本机完成，不上传音频和文本，更适合重视个人数据保护、隐私安全和合规要求的工作场景。
如果你已经在比较 OpenTypeless、OpenLess、CapsWriter Offline 等开源语音输入方案，MyVoiceTyping 的定位会更窄一些：中文 / 中英混合、macOS、本地文本润写模型、公开调优数据集，以及 Self-Evolution / 本地自进化。它不是泛用版 Typeless 克隆，而是希望把 App、模型和数据集组成一个可审查、可改造、能逐步贴合个人表达习惯的本地输入栈。
MyVoiceTyping is a local-first voice typing app for macOS. It helps you write documents, capture ideas, reply to messages, and produce longer Chinese or mixed Chinese-English text with less typing. By default, speech recognition, punctuation restoration, and lightweight text polishing run locally on your Mac. Your audio and text are not sent to cloud models.
真实录屏 / GIF 仍在准备中。下面不是伪装成真实录屏的效果承诺，而是用当前公开素材快速说明目标体验：按住说话 → 本地处理 → 粘贴输入 → 本地优先 → App / 模型 / 数据集公开。
| 按住说话 | 口语变成可用文本 | AI Coding prompt |
|---|---|---|
 |
 |
 |
| 本地优先 | App / 模型 / 数据集公开 |
|---|---|
 |
 |
如果你看完仍然不想下载，最有价值的反馈是直接告诉我原因：
没下载 / 安装卡点反馈
如果你只想快速判断 MyVoiceTyping 是否值得下载、试用或 Star，建议走这条最短路径：
- 打开当前推荐版本：release-0.02。
- 在 Assets 里下载
MyVoiceTyping_Installer.dmg。 - 按 快速上手 授权麦克风、辅助功能和输入监控。
- 先用虚构内容试一句中文 / 中英混合文本，不要直接输入公司机密、客户信息、Token、内部代码或私人聊天。
- 如果卡在下载、权限、模型或粘贴，直接提交 3 分钟 Beta 反馈；即使最后不 Star，“为什么不下载 / 为什么不 Star”也很有价值。
| 你想做什么 | 入口 |
|---|---|
| 直接下载 macOS 安装包 | release-0.02 · DMG 直链 |
| 第一次安装怎么走 | 快速上手 / Quickstart |
| 30 秒看懂项目效果 | 30 秒 Demo walkthrough |
| 30 秒判断是否适合自己 | Trial tasks / 30 秒试用任务 |
| 想理解 AI Coding 语音输入场景 | 为什么 AI Coding 时代，语音输入会变成新的 Prompt 入口？ |
| 担心权限、隐私或模型下载 | Privacy / Data Safety · FAQ |
| 比较 Typeless / OpenTypeless / 闪电说 / 豆包 | Typeless 平替快速判断 · 同类工具对比 |
| 想看公开社区讨论和外部文章 | Community proof / 社区讨论 |
| 愿意帮忙试用 3 分钟 / 挑毛病 | Beta testing / 3 分钟反馈 |
| 看完但不想下载 / 安装卡住 | 没下载 / 安装卡点反馈 |
| 已经试过，想直接提交短反馈 | 3 分钟 Beta 反馈模板 |
| 反馈安装、权限或识别问题 | Issue templates |
首次试用建议只用虚构内容，不要直接输入公司机密、客户信息、Token、内部代码或私人聊天。
- alpha-0.03: planning / in development
- release-0.02 当前推荐下载版本
- release-0.01
- 计划新增 Self-Evolution / 本地自进化 能力：基于用户自己的语音输入历史，在本机生成训练数据并调优本地文本改写模型。
- 训练数据来自本机
voice_history.jsonl中的原始转写、最终修正文本和输入场景；数据不会上传到云端，也不会外泄给第三方服务。 - 新增首页“自动调优模型”入口，点击后实时检查当前样本量、磁盘空间、模型文件和续跑状态，再给出确认提示。
- 自动调优过程支持可视化进度和滚动日志，展示模型下载、LoRA 训练、GGUF 转换、Q4 量化和模型替换过程。
- 支持续点继续：训练完成但转换失败、磁盘空间不足或中途退出后，可继续未完成的模型升级流程，避免重复训练。
- 增加模型完整性检查，避免磁盘不足导致的不完整 GGUF 文件被误替换为正式模型。
- 将本地训练相关代码独立到
src/model_train/，与核心 ASR / 文本改写运行链路解耦，便于后续二开和维护。
- 优化首页和设置页 UI，新增更清晰的统计卡片、最近输入编辑区和关于页。
- 默认使用全本地链路：SenseVoice ONNX ASR、CT-Transformer 标点恢复、本地 GGUF 文本改写。
- 文本改写模型切换为 botaruibo/MyVoiceTyping-1.5b-q4。
- 新增本地纠错和输入润色开关，关闭后启动时不预加载文本模型。
- 新增多热词词典管理，支持自定义词库和软件研发词库，默认仅加载自定义词库。
- 优化模型首次下载进度显示，减少下载过程中的界面闪烁。
- 优化 macOS 状态栏图标、侧边栏 logo 和应用图标资源。
- 增加 ASR 后处理场景识别日志，记录最终 scene 与 bundle id。
- 初始可用版本。
- 支持 macOS 上按住
Fn快捷键录音，松开后自动转写并粘贴到当前输入位置。 - 支持本地语音识别、标点恢复、录音浮窗、输入历史记录和基础统计。
- 支持模型缺失时首次启动自动下载。
- 支持基础设置页、日志目录入口和 macOS 权限引导。
- 输入更快：用语音完成长句、段落和想法记录，减少键盘输入负担。
- 不是泛用版 Typeless 克隆：更聚焦 macOS 中文 / 中英混合输入，以及本地润写模型、公开数据集和本地自进化。
- 个人数据更安全：默认全本地处理，音频和文本不上传云端，更适合敏感内容和办公场景。
- 越用越顺手：计划中的本地自进化能力会利用你自己的输入历史优化本地模型，让纠错和润色逐步贴近你的表达习惯。
- 自动整理文本：转写后会做标点恢复、轻量纠错和简单润色，尽量保留原意。
- 支持热词：可维护常用技术词、项目词、人名，降低专有名词误识别。
- 输入工作台：查看历史输入、累计字数和节约时间，也可以手工修正最近一次输入。
- 安装包更轻：大模型不内置在安装包里，首次启动后按需下载到本机。
语音输入最难的地方不只是识别准确率，而是结果要越来越像你自己会写出来的话。alpha-0.03 计划提供“自动调优模型”入口，把用户自己的语音输入历史转成训练样本，在本机调优本地文本改写模型。
工作方式：
- 语音输入生成原始转写和标点恢复文本。
- 用户查看、纠正或确认最终文本。
- 应用把
scene、原始文本和最终文本沉淀为本地训练数据。 - 在用户确认后，使用本机 MLX LoRA 调优本地模型。
- 调优完成后转换为 GGUF Q4 模型，替换本地文本改写模型。
隐私边界：
- 训练数据来自本机历史记录，不上传云端。
- 音频、文本、训练样本、LoRA 权重和转换后的模型文件都保留在用户设备上。
- 用户可以自行保留、删除或清理训练数据和模型产物。
- 该能力面向个人私有模型优化，不把数据集中到云端，也不会用于公共模型训练。
换句话说，MyVoiceTyping 不是让你的输入数据去适配云端模型，而是让本机模型逐步适配你自己的表达方式、术语和工作场景。
flowchart LR
A["Fn hotkey<br/>Quartz EventTap"] --> B["AudioRecorder<br/>sounddevice"]
B --> C["WAV 保存<br/>Application Support"]
C --> D["SenseVoiceSmall ONNX<br/>语音转文本"]
D --> E["CT-Transformer ONNX<br/>标点恢复"]
E --> F["llama.cpp GGUF<br/>文本纠错"]
F --> G["voice_history.jsonl<br/>input/output/scene"]
F --> H["pbcopy + CGEvent<br/>粘贴到当前输入框"]
G --> I["alpha-0.03<br/>本地自进化训练"]
核心路径：
run.py启动应用，初始化日志和FlashInputApp。src/main.py编排录音、静音、ASR、文本纠错、历史记录和粘贴。src/components/hotkey.py使用 macOS Quartz EventTap 注册全局快捷键。src/components/audio_recorder.py使用sounddevice录制 16k PCM 音频。src/core/stt_local_processor.py使用 vendoredfunasr_onnx+onnxruntime做本地 ASR 和标点恢复。src/core/text_rewrite.py使用llama-cpp-python加载本地 GGUF 文本纠错模型。src/model_train/承载 alpha-0.03 计划中的本地 LoRA 调优、GGUF 转换和模型升级逻辑。src/components/gui_tk.py提供 customtkinter 桌面 UI、历史记录、设置页、下载进度和自动调优进度。
默认使用 3 个本地模型：
| 阶段 | 模型 | 用途 | 默认下载目录 |
|---|---|---|---|
| ASR | botaruibo/SenseVoiceSmall-onnx |
语音转文本 | ~/Library/Application Support/MyVoiceTyping/data/models |
| 标点 | botaruibo/punc_ct-onnx |
标点恢复 | 同上 |
| 纠错 | botaruibo/MyVoiceTyping-1.5b-q4，基于 qwen2.5:1.5b 训练并量化 |
ASR 文本纠错/简单润色 | 同上 |
模型文件不会提交到 Git，也不会被打包进 .app。首次启动时应用会按顺序检查和下载模型：语音转录模型、标点恢复模型、中文纠错 GGUF 模型。
MyVoiceTyping-1.5b-q4 是 MyVoiceTyping 当前默认使用的本地文本改写模型。它基于 qwen2.5:1.5b 训练，并量化为 GGUF 格式，主要用于 ASR 后处理：纠正常见错别字、减少口语重复、补足基础语义连贯性，并做非常轻量的输入润色。
模型特点：
- 本地运行：通过 llama.cpp 加载 GGUF 量化模型，不依赖云端推理服务。
- 体积更小：基于 1.5B 级别模型训练并量化，适合桌面常驻工具在启动速度、内存占用和效果之间取得平衡。
- 低改写倾向：默认参数偏保守，目标是修正明显错误和轻量润色，而不是重写用户表达。
- 面向语音输入后处理：当前版本主要用于 ASR 文本纠错、标点后文本整理和简单口语清理。
- 可替换：模型路径、仓库 ID 和推理参数都在配置中，二开时可以替换为自己的 GGUF 模型。
- 默认按住
Fn开始录音，松开后停止录音并转写。 - 录音期间可自动静音系统外放，结束后恢复原状态。
- 太短的音频会直接跳过，避免空录音生成无效文件。
- 录音浮窗使用 Cocoa 非激活面板，不抢占当前输入焦点。
- SenseVoiceSmall ONNX 输出原始文本。
- CT-Transformer ONNX 恢复标点。
- llama.cpp 加载
MyVoiceTyping-1.5b-q4GGUF，对文本做轻量纠错和简单润色。 - 默认参数偏保守：低温度、低随机性，减少“自由发挥”。
- 首页显示今日记录、今日字数、历史记录、累计字数和已节约时间。
voice_history.jsonl每行记录一条输入：
{"dataId":"20260625_222254.wav","input":"ASR 标点恢复文本","output":"LLM 或手工修正后的文本","scene":"general"}- “最近一次输入”文本框支持手工编辑，便于修正最终输出。
- 默认不使用云端 ASR，也不上传音频。
- 本地自进化训练只读取本机历史记录，训练数据不会上传，也不会用于任何公共模型训练。
- 本地配置、音频、历史记录、模型都写入用户目录或开发环境
data/，并被.gitignore忽略。 - 如果启用云端 LLM 或第三方服务，请自行确认数据合规和密钥管理。
开发环境默认数据目录在 data/；打包后的可写数据在：
~/Library/Application Support/MyVoiceTyping/
├── audio/
├── config/
├── data/models/
├── logs/
└── transcripts/voice_history.jsonl
- macOS on Apple Silicon is the primary target.
- Python 3.11 is recommended.
- 系统权限：
- 麦克风：录制语音
- 输入监控：后台监听全局快捷键
- 辅助功能：向其他应用发送
Cmd + V
主要运行依赖：
- GUI：
customtkinter,Pillow, PyObjC (AppKit,Quartz,Foundation) - 录音：
sounddevice,soundfile,numpy - 本地 ASR：
onnxruntime, vendoredfunasr_onnx,kaldi-native-fbank,sentencepiece,jieba - 模型下载：
modelscope - 本地纠错：
llama-cpp-python - 本地训练：
mlx,mlx-lm,safetensors - 打包：
PyInstaller,create-dmg或 macOShdiutil
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python run.py首次启动会检查本地模型；如果缺失，会显示下载进度。下载完成后模型会保存在本机，不需要每次重复下载。
当前打包方案以 PyInstaller 为准。
source venv/bin/activate
scripts/build_app.sh生成 .app 后可以打包 DMG：
bash build_dmg.sh为了减少 macOS TCC 权限在重装后失效，可以创建本地自签名代码签名证书：
bash create_signing_cert.sh
CODESIGN_IDENTITY="MyVoiceTyping Self-Signed" bash build_dmg.sh说明：
MyVoiceTyping.spec不打包data/audio、data/models、data/transcripts下的运行数据。build_dmg.sh会检查.app中是否包含默认配置和 prompt。- 自签名证书主要用于稳定本机权限身份，不等价于 Apple Developer ID notarization。
.
├── assets/ # App 图标和 UI 资源
├── data/config/ # 开发环境默认配置和 prompt，敏感配置不要提交
├── docs/ # 项目文档和截图
├── scripts/ # 构建、训练和工具安装脚本
├── src/
│ ├── components/ # GUI、录音、快捷键、录音浮层
│ ├── core/ # STT、文本纠错、进度条
│ ├── model_train/ # 本地 LoRA 调优、GGUF 转换和模型升级
│ ├── util/ # 日志、macOS 权限引导
│ └── vendor/funasr_onnx/ # 精简后的 funasr_onnx 运行实现
├── MyVoiceTyping.spec # PyInstaller 配置
├── build_dmg.sh # DMG 打包脚本
└── run.py # 应用入口
- 代码默认按 macOS-only 维护，不再保留 Windows/Linux 兼容分支。
- 手工测试热键时注意系统权限，尤其是“输入监控”和“辅助功能”。
- 不要把以下内容提交到 Git：
data/models/,data/audio/,data/transcripts/,data/train/- 本地私有配置，例如包含真实密钥的
data/config/app_config.json logs/,dist/,build/,.pyinstaller-cache/*.gguf,*.onnx,*.safetensors,*.pt,*.pth.env*,*.pem,*.p12,*.cer,*.key
- 修改打包配置后建议执行：
venv/bin/python -m py_compile src/main.py src/components/gui_tk.py src/core/stt_local_processor.py src/core/text_rewrite.py src/model_train/auto_tune.py
scripts/build_app.sh欢迎围绕以下方向二开：
- 更稳定的全局快捷键策略，例如不同键盘/系统版本下的 Fn 掩码适配。
- 更轻的 ASR 推理链路，进一步降低打包体积。
- 更好的热词后处理策略，减少专有名词误识别。
- 更细粒度的历史记录管理，例如搜索、导出、批量清理。
- 更丰富的本地文本处理模型适配。
- 更可靠的本地自进化训练、数据清理和模型回滚流程。
提交建议：
- 保持 macOS-first，不引入未验证的跨平台分支。
- 不提交模型文件、音频、日志、真实配置和任何 API Key。
- 大依赖新增前先说明必要性和包体积影响。
- UI 改动请附截图或说明测试过的窗口尺寸。
- 打包链路改动请说明
.app和 DMG 的验证方式。
- 应用：MyVoiceTyping
- 文本润写模型：MyVoiceTyping-1.5b-q4
- ASR 后纠错数据集：GitHub Dataset · ModelScope Dataset
如果你有可公开、已脱敏的中文 ASR 后处理失败样例，可以提交到 Dataset 的 样例征集 Issue，帮助后续改进本地润写模型和 self-evolution 流程。
MyVoiceTyping 站在这些开源项目和生态之上：
- FunASR / SenseVoice
- ONNX Runtime
- ModelScope
- MLX / mlx-lm
- llama.cpp and
llama-cpp-python - customtkinter
- PyObjC / macOS Cocoa, Quartz, ApplicationServices
- PyInstaller
App 代码使用 MIT License。模型和数据集是独立资产：模型页当前标注 Apache-2.0，同时请遵守上游 Qwen 模型许可；数据集由多个公开来源整理而来，使用、再分发、商业训练或公开发布模型前，请查看 Dataset 的 DATA_LICENSE 和 SOURCES，并确认各原始数据源的许可证、引用要求和使用边界。