# Voice IME 语音输入法

Windows 系统托盘语音输入工具。按下快捷键开始录音，通过阿里云 Qwen ASR 实时语音识别 API 将语音转为文字，自动输入到当前光标位置。

## 功能

- **快捷键切换录音**：默认 F10，按一次开始，再按一次停止
- **流式语音识别**：使用 Qwen3 ASR Realtime API，支持 VAD 自动断句，边说边输入
- **增量文本插入**：对识别结果做 diff，仅输入变化部分，不影响输入框已有内容
- **系统托盘**：托盘图标显示当前状态（空闲/录音中），右键菜单提供设置
- **音效提示**：录音开始和停止时播放提示音
- **暂停媒体播放**：录音时可自动暂停系统媒体播放（可关闭）
- **可自定义配置**：
  - 快捷键
  - API Key
  - ASR 模型
  - 媒体暂停开关

## 使用方法

### 获取 API Key

前往 [阿里云百炼](https://bailian.console.aliyun.com/) 开通 Qwen ASR 服务并获取 API Key。

### 运行

```
cargo build --release
./target/release/voice-ime.exe
```

首次启动会弹窗要求输入 API Key。输入后程序最小化到系统托盘。

### 操作

| 操作 | 说明 |
|------|------|
| 按下快捷键（默认 F10） | 开始/停止录音 |
| 右键托盘图标 | 打开设置菜单 |

### 右键菜单

- **设置快捷键** — 按下任意键即可更换
- **录音时暂停媒体播放** — 勾选开关
- **设置 API Key** — 修改 ASR 服务密钥
- **设置模型** — 修改 ASR 模型名称
- **退出**

### 配置文件

配置保存在 `%APPDATA%\voice-ime\config.json`，格式示例：

```json
{
  "hotkey_vk": 121,
  "media_pause_enabled": true,
  "api_key": "sk-xxxxxxxx",
  "model": "qwen3-asr-flash-realtime-2026-02-10"
}
```

## 技术栈

- **Rust 2024 Edition**
- **windows** crate — Win32 API（托盘图标、热键、SendInput 文字输入）
- **cpal** — WASAPI 麦克风采集
- **tokio + tokio-tungstenite** — 异步 WebSocket 客户端
- **rodio** — 音效播放
- **serde** — 配置序列化

## 系统要求

- Windows 10/11
- 麦克风
- 网络连接（用于访问阿里云 ASR API）

## 许可证

MIT