233stone/vocotype-cli

VocoType CLI – 離線語音轉文字引擎

簡介

• 這是 VocoType 語音輸入系統的開源命令列版本。它完全在使用者電腦上運行，即時將語音轉換為文字，無需將任何音訊傳送到雲端。
• 基於 FunASR 離線辨識器（阿里巴巴/達摩院）構建，並可選擇使用火山引擎的 BigASR 雲端服務。

核心功能

功能	詳細說明
離線推論	使用約 500 MB 的 FunASR 模型，僅需 CPU 即可運行（約 700 MiB RAM）。無需 GPU。
快速回應	本地推論延遲約為 0.1 秒。
中英混合轉錄	處理雙語輸入，適用於技術術語。
AI 驅動後處理	在原始 ASR 輸出後，透過輕量級 AI 模型（由提示詞模板選擇）修正同音字、錯別字及口語編輯指令，如「改成 …」。
自定義替換詞典	最多可定義 20 個使用者自訂詞彙（如人名、術語），強制納入最終轉錄結果。
可選雲端後端	可透過在 config.json 中提供 App Key 和 Access Key 切換至火山引擎 BigASR。
資料集匯出	使用 --save-dataset 旗標將擷取的音訊-文字對寫入磁碟，以便進行後續訓練或分析。

目標使用者

• 需要隱私保護聽寫工具的專業人士（作家、律師、醫生、研究人員）。
• 希望為自己的應用程式加入可程式化語音輸入元件的開發者。
• 偏好可編寫腳本或整合至自訂工作流程的 CLI 使用者。

安裝與快速入門

# Clone the repo
git clone https://github.com/233stone/vocotype-cli.git
cd vocotype-cli

# Create a Python 3.12 virtual environment (uv is recommended)
pip install uv
uv venv --python 3.12
source .venv/bin/activate   # Windows: .\.venv\Scripts\activate

# Install Python dependencies
uv pip install -r requirements.txt

# First run – the script will download the ~500 MB FunASR model automatically
python main.py

• 若要錄音並轉錄，只需執行 python main.py 並對著預設麥克風說話。
• 若要匯出擷取的音訊-文字對：python main.py --save-dataset。
• 若要使用火山引擎雲端辨識器，請建立包含 README 中所示憑證的 config.json，並使用 python main.py --config config.json 啟動。

取得完整桌面體驗 此 CLI 專為開發者設計。非技術使用者請參考免費的圖形化 VocoType 桌面客戶端（Windows/macOS 下載連結位於儲存庫的 README 中）。

專案維護

• 發布版本皆有標籤（如 v1.6.0），並包含 Windows 和 macOS 的預先建置安裝程式。
• 儲存庫列出了主要依賴項（FunASR、可選的火山引擎 SDK）並提供清晰的設定說明。
• 問題與功能請求透過 GitHub Issues 處理。

專案意義 VocoType-CLI 展示了高品質語音辨識可以在普通硬體上本地運行，為僅限雲端的聽寫服務提供了一種隱私優先的替代方案，同時也為需要大型模型高準確度的使用者保留了雲端後端選項。