Vibe Coding Voice Native 是一个面向开发者的 Windows 本地语音输入工具。它可以从麦克风录音，使用本地 SenseVoice 兼容模型转写语音，然后把识别结果复制或发送到当前输入框。
这个项目使用 Rust 和 egui 构建，重点服务中文以及中英混合的编程口述场景。它支持全局快捷键、本地麦克风采集、轻量原生界面、录音状态浮窗，以及不主动上传音频到远端服务的本地转写流程。
项目目前处于 alpha 阶段。它已经可以用于本地试用和日常自用，但模型配置、焦点恢复、安装包和发布流程还在继续完善。
主页面如图所示
- Windows 10 或更高版本
- 本地麦克风输入
- 本地 SenseVoice 兼容模型转写
- 在线 Qwen-ASR Realtime 转写
- 全局快捷键开始和结束录音
- 两种输出模式：原文输出、改代码提示词
- 识别结果复制和发送
- 可选的识别后自动粘贴
- 托盘和录音浮窗基础能力
- 在设置页手动选择本地模型目录
- 自动更新
- 跨平台支持
- 内置模型下载器
- 稳定的扩展 API
- Whisper.cpp 本地后端
后续可能继续探索其他 ASR 后端，当前公开版本支持本地 SenseVoice 兼容模型和在线 Qwen-ASR Realtime。
- 基于
eframe/egui的原生桌面界面 - 使用全局快捷键控制录音
- 通过
cpal采集本地麦克风音频 - 通过
transcribe-rs接入 SenseVoice 兼容转写 - 内置结果编辑框、复制、发送、自动粘贴开关
- 使用 PowerShell 实现录音和处理中浮窗
- Windows 托盘集成
- 加载中文字体，避免中文界面显示异常
- 使用本地模型时，音频设计上由你配置的本地模型处理。
- 使用在线模型时，录音音频会发送到你配置的 DashScope/Qwen-ASR Realtime 服务。
- 复制、粘贴、发送会使用剪贴板和键盘模拟能力。
- 录音浮窗通过
recording-overlay.ps1启动。 - 如果要处理敏感代码、凭据或私密文档，请先审查源码、依赖和模型许可证。
- Windows 10 或更高版本
- 支持 Rust 2024 edition 的稳定 Rust 工具链
- PowerShell
- 可用麦克风
- 本地 SenseVoice 兼容模型目录
- 如果使用在线模型，需要 DashScope API Key
Release 页面会提供两种 Windows 包：
.msi：安装版，适合普通用户。安装后从开始菜单启动。.zip：绿色版，适合想直接解压试用、手动管理文件的用户。
发布包不包含模型文件。如果使用本地模型，请参考下方“模型安装”或 docs/MODELS.zh-CN.md 下载模型；如果使用在线模型，请在设置里填写自己的 DashScope API Key。
克隆仓库并运行：
git clone https://github.com/UtenKekkoDev/vibe-coding-voice.git
cd vibe-coding-voice
cargo run --bin vibe-coding-voice-native也可以使用辅助脚本：
.\run-native.ps1开发时建议运行：
cargo fmt --check
cargo check
cargo clippy --all-targets -- -D warnings
cargo test仓库不包含模型文件。你需要自行下载一个本地 SenseVoice 兼容模型，并在应用设置中指向该文件夹。
推荐模型：
sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17
官方模型说明：sherpa-onnx SenseVoice pre-trained models。
Release 版默认优先查找程序所在目录下的模型文件夹：
models/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17
推荐目录结构：
vibe-coding-voice-native-windows-v0.1.0-alpha.1/
vibe-coding-voice-native.exe
models/
sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17/
model.int8.onnx
tokens.txt
开发源码运行时，也可以把模型放在仓库相邻的 official-models 目录：
official-models/
sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17/
model.int8.onnx
tokens.txt
下载示例：
mkdir ..\official-models
cd ..\official-models
curl.exe -L -O https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17.tar.bz2
tar -xjf sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17.tar.bz2
cd ..\vibe-coding-voice然后打开应用：
- 点击右上角设置图标。
- 确认模型目录，或点击
选择文件夹选择刚下载解压后的模型文件夹。 - 点击
检查 SenseVoice。 - 回到主页，开始录音。
更详细的模型下载、目录结构、兼容性和排错说明见 docs/MODELS.zh-CN.md。
设置页可以在 本地模型 和 在线模型 之间切换。选择在线模型后，需要填写：
- DashScope API Key
- 模型名，默认
qwen3-asr-flash-realtime - WebSocket 地址，默认
wss://dashscope.aliyuncs.com/api-ws/v1/realtime - 语种，默认
zh
在线模式使用 Qwen-ASR Realtime 的 Manual 模式：录音结束后，应用会把 16 kHz PCM 音频通过 WebSocket 发送到服务端，等待最终识别结果后再复制或投送文本。
本仓库的 MIT 许可证只适用于项目源码，不适用于第三方模型权重。
使用、分发或打包模型前，请确认：
- 模型许可证
- 下载模型目录中是否包含
LICENSE - 是否允许商业使用
- 是否允许再次分发
- 是否要求署名
- 转换或量化后的 ONNX 文件是否可以分享
项目使用了一些开源 Rust crate 和本地模型生态。依赖和模型边界说明见 THIRD_PARTY_NOTICES.md。
.
src/
app.rs 主界面、设置页、录音区、结果区
hotkeys.rs 全局快捷键注册和事件处理
main.rs 窗口、字体、应用初始化
sensevoice.rs 模型检测、兼容处理、转写
services.rs 录音、转写、文本发送、浮窗编排
state.rs 应用状态和默认值
tray.rs 托盘集成
assets/ 应用自带 UI 资源
docs/ 文档和预览资源
recording-overlay.ps1 录音状态浮窗
run-native.ps1 本地运行脚本
Cargo.toml
Cargo.lock
README.md
主要入口：
src/main.rs：应用启动、字体、原生窗口配置src/app.rs：界面布局、控件、页面、交互状态src/services.rs：录音管线、转写流程、文本投递src/sensevoice.rs：模型目录识别和转写引擎加载recording-overlay.ps1：录音或处理中使用的独立浮窗
提交 PR 前建议运行：
cargo fmt --check
cargo check
cargo clippy --all-targets -- -D warnings
cargo test- 改进面向普通用户的 Release 更新体验
- 增强模型设置诊断信息
- 改进录音后的输入焦点恢复
- 完善自动发布构建
- 在 Windows 工作流稳定后探索跨平台支持
- 在默认 SenseVoice 流程稳定后重新评估可选 ASR 后端
项目还很年轻，欢迎提交 issue 和 pull request。贡献前请阅读 CONTRIBUTING.md。
本项目使用 MIT 许可证。详情见 LICENSE。