# shengmo

**Repository Path**: FBxiaomo/shengmo

## Basic Information

- **Project Name**: shengmo
- **Description**: 声墨 - 跨平台语音听写应用 (Tauri + React + Rust)
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-24
- **Last Updated**: 2026-08-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 声墨 (ShengMo)

> 云端语音输入，声音化为墨迹

声墨是一款基于 [OpenLess](https://github.com/appergb/openless) 二次开发的跨平台语音输入工具，支持实时语音转文字、文本润色、实时翻译等功能。

支持本地离线识别和云端识别两种方式，还内置了 AI 文本润色、风格切换等功能，让你的语音输入既方便又准确。

## ✨ 功能特性

- 🎙️ **实时语音识别** — 支持本地离线和多种云端语音识别服务，低延迟高准确率
- ✍️ **智能文本润色** — AI 优化口语化表达，去除口头禅、补全标点，让文字更通顺
- 🌐 **实时翻译** — 录音中按 Shift 即可切换到翻译模式，支持 15 种语言
- 🎨 **风格切换** — 四种输出风格（原文/轻度润色/清晰结构/正式表达），一键切换
- 📖 **词汇表** — 添加自定义专有名词，提高识别准确率
- 🪟 **胶囊悬浮窗** — 小巧的悬浮窗口，随时待命不打扰
- 📱 **迷你模式** — 极简界面，节省屏幕空间
- 🔄 **自动更新** — 内置版本更新检测，一键升级到最新版
- 🎨 **多主题支持** — 浅色 / 深色模式自由切换
- ⌨️ **全局快捷键** — 自定义热键，快速唤起语音输入

## 📦 下载安装

### Windows

从 [Gitee Releases](https://gitee.com/FBxiaomo/shengmo/releases) 下载最新版本：

| 版本 | 说明 |
|------|------|
| `声墨_<版本>_x64-setup.exe` | 安装版，推荐大多数用户使用 |
| `声墨_<版本>_x64_portable.zip` | 便携版，解压即用，无需安装 |

### 安装版使用

1. 下载 `setup.exe` 安装包
2. 双击运行安装程序
3. 按照向导完成安装
4. 从桌面或开始菜单启动声墨

### 便携版使用

1. 下载 `portable.zip` 压缩包
2. 解压到任意目录
3. 双击 `shengmo.exe` 启动

## 🚀 首次使用教程

### 快速设置（推荐新手）

启动声墨后，你会看到欢迎引导页面。如果你不想手动配置，可以直接选择一种**快速设置方案**，只需填入 API Key 就能开始使用：

| 方案 | 特点 | 适合谁 |
|------|------|--------|
| **Mimo + DeepSeek** | 注册即送免费额度，推荐新手 | 想快速体验的用户 |
| **SiliconFlow 全免费** | 语音识别和润色都免费，长期可用 | 不想花钱的用户 |
| **Groq + OpenRouter** | 海外高速方案，免费额度充足 | 有科学上网条件的用户 |

选择方案后，按照提示注册对应平台并获取 API Key，填入即可。

如果你更喜欢完全离线使用，或者想自己配置，请继续阅读下面的教程。

### 本地配置教程（离线使用，无需联网）

本地识别不需要联网，所有语音处理都在你自己的电脑上完成，适合对隐私有要求或网络不稳定的用户。

**配置步骤：**

1. 打开声墨主界面（按 `Ctrl+Shift+M` 或点击托盘图标）。
2. 进入**设置**页面，找到**语音识别**部分。
3. 选择**本地离线识别**。
4. 在模型列表中选择一个模型，点击**下载**。

**推荐模型：**

| 模型名称 | 大小 | 说明 |
|----------|------|------|
| **中文识别（SenseVoice）** | 230 MB | 推荐首选，支持中/英/日/韩/粤语，效果好 |
| **纯中文精准识别（Paraformer）** | 220 MB | 专注中文，识别更准确 |
| **多语言识别（Whisper Small）** | 480 MB | 支持多种语言，体积适中 |
| **多语言旗舰识别（Whisper Large v3）** | 1.5 GB | 最强多语言模型，体积较大 |

下载完成后模型会自动启用，无需其他设置。之后按住快捷键说话即可使用。

> 提示：首次下载模型需要联网，下载完成后即可断网使用。

### 云端配置教程

云端识别的准确度通常更高，也支持更多语言。你需要在对应平台注册账号并获取 API Key。

**配置语音识别（ASR）：**

1. 打开声墨，进入**设置** → **语音识别**。
2. 选择一个云端提供商。

支持的云端语音识别提供商：

| 提供商 | 说明 |
|--------|------|
| **火山引擎** | 字节跳动旗下，中文识别效果优秀 |
| **阿里云百炼** | 实时语音识别，延迟低 |
| **硅基流动** | 有免费额度，性价比高 |
| **智谱** | GLM-ASR 模型 |
| **Groq** | 海外高速方案，免费额度充足 |
| **小米 MiMo** | 注册送体验金 |
| **OpenAI 兼容** | 支持所有兼容 OpenAI 语音接口的服务 |
| **OpenRouter** | 聚合平台，可选多种模型 |

3. 填入你的 **API Key**（在对应平台的官网注册后获取）。
4. 选择识别模型（通常有默认推荐）。

**配置文本润色（LLM）：**

文本润色功能可以将语音识别的结果进行 AI 加工——去除口头禅、补全标点、整理语句，让输出更通顺。

1. 进入**设置** → **文本润色**。
2. 选择一个 LLM 提供商。

支持的文本润色提供商：

| 提供商 | 说明 |
|--------|------|
| **ARK（火山方舟）** | 字节跳动旗下 |
| **DeepSeek** | 百万 token 仅需几毛钱 |
| **硅基流动** | 部分模型免费 |
| **OpenAI** | GPT 系列 |
| **Google Gemini** | Google 大模型 |
| **Codex OAuth** | 使用本机登录态，无需额外 API Key |
| **小米 MiMo** | 小米大模型 |
| **CometAPI** | 聚合 API 平台 |
| **OpenRouter（免费模型）** | 大量免费模型可选 |
| **阿里云 Coding Plan** | 阿里云编程方案 |
| **CodingPlanX** | 编程方案 |
| **MiniMax（M3）** | MiniMax M3 模型 |
| **自定义** | 支持任意 OpenAI 兼容接口 |

3. 填入 **API Key** 和选择模型即可。

**推荐搭配：**

- **零成本方案**：硅基流动（ASR + LLM 都用硅基流动，部分模型免费）
- **高性价比方案**：小米 MiMo（ASR）+ DeepSeek（LLM），注册即送免费额度
- **效果优先方案**：火山引擎（ASR）+ ARK（LLM），同属字节生态，配合效果好

## 📖 功能与使用方法

### 语音听写

这是声墨最核心的功能。

1. 在任意可以输入的地方（聊天框、文档、浏览器等）点击一下，确保光标在输入位置。
2. 按住**右 Ctrl** 键开始录音，对着麦克风说话。
3. 松开**右 Ctrl** 键停止录音，识别结果会自动输入到光标位置。

> 也可以按一下右 Ctrl 开始录音，再按一下停止（切换模式）。

### 文本润色

开启润色后，语音识别的结果会先经过 AI 加工再输出，去除口头禅、补全标点、整理语句。

- 在设置中开启**文本润色**功能，并配置好 LLM 提供商。
- 之后每次语音输入都会自动润色。
- 按 `Ctrl+Shift+S` 可以切换不同的润色风格。

### 翻译模式

在录音过程中按一下 **Shift** 键，声墨会切换到翻译模式，说完后自动将内容翻译成目标语言并输出。

使用前需要先在设置中配置翻译目标语言（如英语、日语等）。支持翻译到 15 种语言，包括英语、日语、韩语、法语、德语、西班牙语等。

**使用步骤：**
1. 在设置中配置好翻译目标语言。
2. 按右 Ctrl 开始录音。
3. 录音中按一下 Shift 激活翻译。
4. 再按右 Ctrl 停止录音。
5. 翻译结果自动输入到光标位置。

### 风格切换

声墨提供四种输出风格，按 `Ctrl+Shift+S` 快速切换：

| 风格 | 说明 |
|------|------|
| **原文** | 只补标点和必要分句，不改写不扩写 |
| **轻度润色** | 去口头禅、补标点，整理为自然的文字 |
| **清晰结构** | 多个话题时自动整理为分点列表 |
| **正式表达** | 适合工作沟通和邮件场景，更专业 |

### 词汇表

如果有专业术语或人名地名经常被识别错误，可以在**词汇表**中添加自定义词汇，帮助提高识别准确率。

进入**设置** → **词汇表**，添加你常用的专有名词即可。

### 历史记录

声墨会保存每次语音识别的记录。进入**历史记录**页面可以查看、搜索和复制过往的识别结果。

### 迷你模式

按 `Ctrl+Shift+L` 可以在普通窗口和迷你浮窗之间切换。迷你模式下声墨只占屏幕一小块区域，适合屏幕空间紧张时使用。

### 录音胶囊

录音时屏幕上会出现一个浮动的胶囊提示，显示当前录音状态，方便你随时掌握录音情况。

## ⌨️ 快捷键一览

| 快捷键 | 功能 |
|--------|------|
| **右 Ctrl** | 开始/停止语音听写 |
| **Shift**（录音中按下） | 激活翻译模式 |
| **Ctrl+Shift+S** | 切换输出风格 |
| **Ctrl+Shift+M** | 打开声墨主界面 |
| **Ctrl+Shift+L** | 切换迷你模式 |

所有快捷键均可在设置中自定义。

## ❓ 常见问题

**Q：模型下载很慢怎么办？**
声墨支持从多个镜像源下载模型。如果默认源速度慢，可以在下载时选择 hf-mirror 镜像。

**Q：识别结果不准确怎么办？**
可以尝试以下方法：
- 换一个识别模型（如从 Whisper Small 换成 SenseVoice）。
- 如果环境嘈杂，尽量靠近麦克风说话。
- 开启文本润色功能，让 AI 帮你修正识别错误。
- 在词汇表中添加经常被识别错的专有名词。

**Q：如何切换本地识别和云端识别？**
进入设置 → 语音识别，在本地和云端提供商之间切换即可。两种方式可以同时配置，随时切换。

**Q：润色功能必须配置吗？**
不是必须的。如果不配置 LLM 提供商，语音识别结果会直接输出，不经过润色加工。

**Q：翻译功能需要什么条件？**
需要先在设置中选择翻译目标语言（不能选"不启用"），然后在录音过程中按 Shift 即可触发翻译。翻译功能依赖语音识别，不需要额外的 LLM 配置。

## ⚙️ 自动更新

声墨内置自动更新功能，会从 Gitee 获取最新版本：

- **手动检查** — 打开设置 → 关于 → 点击「检查更新」
- **更新提示** — 检测到新版本时会弹出更新对话框
- **一键升级** — 点击「安装」即可自动下载并安装更新

## 🛠️ 开发指南

### 环境要求

- Node.js >= 18
- Rust >= 1.77
- Windows: Visual Studio Build Tools (MSVC) + Windows SDK

### 本地开发

```bash
# 克隆仓库
git clone https://gitee.com/FBxiaomo/shengmo.git
cd shengmo

# 进入应用目录
cd openless-all/app

# 安装依赖
npm ci

# 启动开发服务器
npm run tauri dev
```

### 构建发布

#### Windows 安装版

```powershell
cd openless-all/app
npm run tauri -- build --target x86_64-pc-windows-msvc
```

输出位置 `src-tauri/target/x86_64-pc-windows-msvc/release/bundle/nsis/`

#### Windows 便携版

```powershell
cd openless-all/app
powershell -ExecutionPolicy Bypass -File .\scripts\build-portable.ps1
```

输出位置 `.portable-build/`

#### 发布到 Gitee

```powershell
# 在仓库根目录执行
powershell -ExecutionPolicy Bypass -File .\scripts\publish-gitee-release.ps1
```

该脚本会自动：
1. 构建安装版和便携版
2. 生成 updater 更新清单
3. 计算文件哈希
4. 提供 Gitee 发布指引

### 版本管理

版本号需要在以下 5 个文件中保持一致：

- `openless-all/app/package.json`
- `openless-all/app/package-lock.json`
- `openless-all/app/src-tauri/tauri.conf.json`
- `openless-all/app/src-tauri/Cargo.toml`
- `openless-all/app/src-tauri/Cargo.lock`

使用版本更新脚本：

```bash
./scripts/bump-version.sh X.Y.Z
```

## 📁 项目结构

```
shengmo/
├── openless-all/
│   └── app/                    # 主应用目录
│       ├── src/                 # React 前端
│       │   ├── components/      # 公共组件
│       │   ├── pages/           # 页面组件
│       │   ├── state/           # 状态管理
│       │   ├── lib/             # 工具库
│       │   ├── i18n/            # 多语言
│       │   └── styles/          # 样式
│       ├── src-tauri/           # Rust 后端
│       │   ├── src/
│       │   │   ├── asr/         # 语音识别
│       │   │   ├── commands/    # Tauri 命令
│       │   │   ├── coordinator/ # 状态机
│       │   │   └── ...
│       │   ├── capabilities/    # 权限配置
│       │   ├── icons/           # 应用图标
│       │   └── tauri.conf.json  # Tauri 配置
│       ├── scripts/             # 构建脚本
│       └── package.json
├── updater/                     # 更新清单
│   └── latest.json              # 最新版本信息
├── scripts/                     # 仓库级脚本
│   ├── publish-gitee-release.ps1  # Gitee 发布脚本
│   └── bump-version.sh          # 版本更新脚本
└── README.md
```

## 🔗 相关链接

- **OpenLess**：[https://github.com/appergb/openless](https://github.com/appergb/openless)