ideaplexa/voicetypr

Voicetypr - AI powered offline voice to text dictation tool for busy founders, vibe coders, AI power users on macos, windows. Alternative to wispr flow and superwhisper.

什么是 Voicetypr？

Voicetypr 是一款适用于 macOS 和 Windows 的 优先离线桌面听写工具。它让您可以在电脑上的任何地方说话，使用本地或可选的云端语音转文字模型转录音频，并将生成的文本直接插入光标位置。

核心理念 (来自 README)

理念	含义
全系统听写	全局热键可启动/停止录音，因此您可以对任何应用程序（电子邮件、代码编辑器、浏览器等）进行听写。
默认本地转录	使用 OpenAI-Whisper (macOS 和 Windows) 以及针对 Apple Silicon 优化的 Parakeet 模型。除非您选择云端提供商，否则不会有互联网流量。
可选云端提供商	如果您偏好其他服务，可以将 Voicetypr 指向 Soniox、OpenAI、Groq、Deepgram 或 Cohere。
AI 格式化	转录后，原始文本可以由 LLM（OpenAI、Anthropic、Gemini 或任何兼容 OpenAI 的端点）进行清理。
CLI 与代理集成	`voicetypr` 命令行工具让脚本或自主代理能够访问相同的转录管道，并返回纯文本或结构化 JSON。
网络共享	一个 Voicetypr 实例可以作为您局域网上的私人转录服务器，让其他安装程序分担工作。
本地模型终身授权	试用期后，您可以购买一次性授权，免除本地运行模型的所有每分钟费用。

主要功能 (列表)

全局快捷键、按键通话、切换录音、光标处自动插入
Whisper (macOS/Windows) + Parakeet (Apple Silicon) 用于设备端转录
云端 STT 选项 (Soniox, OpenAI, Groq, Deepgram, Cohere)
通过 OpenAI/Anthropic/Gemini 或自定义端点进行基于 LLM 的文本润色
转录音频/视频文件；云端提供商可增加说话者识别 (diarization)
历史记录视图，包含搜索、元数据、比较原始与格式化文本、复制或重新转录
基于局域网的私人转录服务器 (网络共享)
支持代理的 CLI (voicetypr transcribe … --json 等)
稳定版/测试版更新频道；Microsoft Store 版本遵循商店更新
小型 React UI，由 Rust 支持音频捕获、热键和光标插入

如何使用

安装 – macOS 14+ DMG 或 Windows 安装程序 / Microsoft Store。
授予权限 – 麦克风权限，以及 (macOS) 用于光标插入的辅助功能权限。
下载模型 – 应用程序会一次性获取 Whisper/Parakeet 文件并存储在本地。
设置热键 – 在“设置”→“常规”中选择全局快捷键。
听写 – 将光标置于任何文本字段，按下快捷键，说话，停止。
结果 – Voicetypr 会在光标处输入转录内容并保存到历史记录中。

命令行界面 (CLI)

CLI 为脚本或 AI 代理镜像了 GUI 功能：

voicetypr status --json          # 健康信息
voicetypr models --json          # 列出可用的本地/云端模型
voicetypr transcribe --file note.wav --json   # 文件 → 文本/JSON
voicetypr record --until-silence --json       # 即时麦克风捕获

默认输出为人类可读格式；--json 产生适合自动化的结构化对象。除非您明确请求远程服务器或云端提供商，否则音频永远不会离开机器。

隐私与数据流

模式	离开电脑的数据
本地转录	无 – 音频和文本保留在设备上。
云端转录	录制的音频会传送到所选的 STT 提供商。
AI 格式化	原始转录内容会传送到配置的 LLM 服务。
网络共享	音频会传送到您配置的 Voicetypr 服务器（局域网或其他网络）。
诊断和分析可以在“设置”中切换；项目的隐私政策详细说明了保留期限。

技术堆栈

桌面壳层： Tauri v2 (Rust + webview)，用于原生窗口化、自动更新、权限管理。
前端： React 19, TypeScript, Tailwind CSS, shadcn/ui, Zustand 状态管理。
后端： Rust 处理音频捕获、重采样、热键、转录编排、历史记录、光标插入。
本地引擎： 两个操作系统上的 Whisper (CPU)；Apple Silicon 上的 Parakeet 侧车；Windows 上可选的 Vulkan 加速 Whisper 侧车。
网络共享： 建立在相同 Rust 后端上的认证客户端/服务器。

获取代码并自行构建

git clone https://github.com/ideaplexa/voicetypr.git
cd voicetypr
pnpm install               # Node + React 依赖
pnpm tauri:dev             # 在开发模式下运行 (需要 Rust 工具链, Tauri 先决条件)

先决条件：Node + pnpm, Rust stable, Tauri v2 平台工具, Xcode CLI (macOS) 或 Visual Studio Build Tools (Windows)。提供 Lint、类型检查和测试脚本 (pnpm lint, pnpm test 等)。

授权与社区

授权： GNU Affero General Public License v3 (AGPL-3.0)。
支持： GitHub Issues、应用程序内“报告问题”，以及包含文档、更新日志和帮助页面的公共网站。
贡献： 遵循 AGENTS.md 和 CLAUDE.md 中的指南；保持平台特定行为明确，并维护 Windows 上 CPU 安全的主程序。

总结

Voicetypr 是一款完全开源、跨平台的听写应用程序，通过在本地运行基于 Whisper 的语音转文字来优先考虑隐私，同时仍提供云端和基于 LLM 的格式化作为可选附加组件。其 CLI 使其适用于自动化和 AI 代理工作流程，且其架构（Rust 核心 + React UI）以现代化 UI 提供了原生性能。