futo-org/voice-input

FUTO Voice Input – 是什么

FUTO Voice Input 是一个提供 离线语音转文字 的 Android 应用。它接入 Android 的通用语音转文字 API，使其他应用或键盘可以将其作为即插即用的语音输入引擎使用。

---

核心目的

• 不依赖 Google 或三星的云服务，在 Android 设备上将口语转换为文字。
• 提供一个可复用的后端，任何键盘或应用均可通过标准 android.speech.action.RECOGNIZE_SPEECH 意图或 IME 的“语音”子类型进行调用。

---

主要功能（README 中描述）

功能	详情
模型	使用 OpenAI Whisper 模型（通过 whisper.cpp）进行语音识别。
语言支持	支持 17 种语言，这些语言在 Whisper 中有超过 1,000 小时的训练数据（英语、中文、德语、西班牙语、俄语、法语、葡萄牙语、韩语、日语、土耳其语、波兰语、意大利语、瑞典语、荷兰语、加泰罗尼亚语、芬兰语、印度尼西亚语）。
API 集成	支持隐式 android.speech.action.RECOGNIZE_SPEECH 意图（浮动窗口）和 IME 语音子类型模式（屏幕底部键盘替换）。
键盘兼容性	与多种第三方键盘（FUTO Keyboard、HeliBoard、FlorisBoard、AnySoftKeyboard、Unexpected Keyboard、AOSP Keyboard）以及部分专有键盘（Grammarly、Microsoft SwiftKey）兼容。明确 不支持 Gboard、三星键盘、Simple Keyboard 和 TypeWise，因为它们缺乏对第三方语音输入的钩子。
构建变体	dev（完整付费与自动更新）、playStore（仅 Play 付费）、standalone（无 Play 付费，包含自动更新）、fDroid（无 Play 付费，无自动更新）。
离线运行	无需调用云服务；Whisper 模型通过原生代码（whisper.cpp）在本地运行。
未来路线图	计划支持目前不支持的 Android SpeechRecognizer API。

---

当前状态

• 开发重点已转移到 FUTO Keyboard 应用，该应用现已内置语音输入功能。
• 独立的语音输入应用仍被维护，供偏好独立应用或希望与其他键盘配合使用的用户使用。

---

技术栈（来自 README）

• Android – 使用 Android Studio 和 Gradle 构建。
• 原生推理 – Whisper 模型通过 whisper.cpp（C/C++）编译，此前使用 TensorFlow Lite，现已不再使用。
• 音频预处理 – 使用 PocketFFT 进行快速傅里叶变换，以及通过 android-vad 使用 WebRTC VAD（语音活动检测）。
• 许可证 – 采用 FUTO Source First License 1.0 发布。

---

快速开始 / 使用方法

1. 安装 – 从官方网站下载 APK：https://voiceinput.futo.org/
2. 选择键盘 – 使用支持的键盘（如 FUTO Keyboard、HeliBoard），并启用其“语音输入”选项。
3. 调用 – 从应用中触发通用语音转文字意图（浮动窗口），或按下键盘上的语音键（屏幕底部 UI）。
4. 自行构建 – 克隆仓库，用 Android Studio 打开，或运行 ./gradlew assembleStandaloneRelease 生成发布版 APK。根据需要选择变体（dev、playStore、standalone、fDroid）。

---

问题咨询渠道

• 公开问题：https://github.com/futo-org/voice-input/issues
• 私密支持：联系网站列出的邮箱，或使用应用内“发送反馈”按钮。

---

致谢与依赖项

• OpenAI Whisper – 核心语音识别模型。
• whisper.cpp – 用于设备端推理的轻量级 C++ 实现。
• PocketFFT、WebRTC VAD，以及之前使用的 TensorFlow Lite（用于音频处理）。
• 图标来自 Feather Icons。

---

总结

FUTO Voice Input 是一个真正的开源 Android 语音转文字应用，将 Whisper 的多语言语音识别能力带到了手机上，无需依赖云服务。对于希望优先保护隐私的语音输入用户，或需要在多种第三方键盘上工作的语音输入引擎的用户来说，尤其有用。