Voice-IME/README.md

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 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：

{
  "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

GPL-3.0