# voice-assistant **Repository Path**: daly2077/voice-assistant ## Basic Information - **Project Name**: voice-assistant - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-05-27 - **Last Updated**: 2026-05-27 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Voice_Assistant - 跨平台语音识别应用 基于 FunASR 的跨平台[实时]AI 语音识别桌面应用,支持 Windows、macOS 和 Linux。 因 linux 打包文件较大,所以 release 没有 linux 版本,用户可以根据下方教程自己运行起来(教程很细也很简单) ## 软件截图 ![voice-assistant-screeshot.png](./screenshot/2025-05-11_00-23-49.png) ## 下载 [window 和 macos 下载](https://github.com/qkl9527/voice-assistant/releases) linux 版本请自己按下面教程可直接运行 或 编译后运行 ## 功能特点 - 实时 AI 语音识别, 基于 FunASR 的高精度语音识别 - 自动将识别文本插入到当前系统焦点位置 - 语音对话的历史记录管理 - 简洁直观的用户界面,用户可自定义大部分配置 - 跨平台支持 (Windows, macOS, Linux) - 支持 CPU / GPU 正在处理中 ## 使用说明 1. 启动应用后,等待 FunASR 模型加载完成 2. 点击"开始录音"按钮开始语音识别 3. 说话后点击"停止录音"按钮 4. 识别结果将显示在文本框中 5. 如果勾选了"自动插入文本",识别结果将自动插入到当前焦点位置 6. 也可以点击"插入文本"按钮手动插入文本 ## 启动失败说明 1. 失败说明: 启动客户端后,第一次 `启动服务`,程序会自动下载`语音模型`到本地,可能需要等待一段时间,等待下载和服务启动完成,即可使用 2. 解决方法: - 先关闭再启动 - 点击侧边栏右下角的重启图标尝试重启服务 ## 功能规划(feature) - [x] 增加 AI 文本模型能力 - [x] 增加 AI 处理文字功能:错别字修正、概述、润色、翻译等 - [x] 集成 AI 到语音识别页面 - [x] 测试模型效果 - [ ] 优化实时语音交互优化(当前实时转录效果不太佳) - [ ] 支持本地上传视频或语音识别 - [ ] 支持 GPU(学习如何打包 GPU 版 Torch 和 cuda 依赖) - [ ] 增加声音克隆 - [ ] 增加语音转文本(TTS) - [ ] 增加文本处理工作流 ## 技术栈 - **前端**: Electron + Vue3 - **后端**: Python + Flask - **语音识别**: FunASR - **文本插入**: 平台特定实现 (Windows/macOS/Linux) ## 系统要求 - **操作系统**: Windows 10+, macOS 10.15+, 或 Linux (Ubuntu 20.04+) - **Node.js**: v14+ - **Python**: 3.8+ - **内存**: 至少 4GB RAM (推荐 8GB+) - **存储**: 至少 2GB 可用空间 ## 安装与运行 ### 方法一: 使用启动脚本(推荐) 启动脚本会自动使用 uv 创建虚拟环境,并安装所有依赖。 #### Windows ``` .\start.bat ``` #### macOS / Linux ``` chmod +x start.sh ./start.sh ``` ### 方法二: 使用 uv 手动安装 1. 安装 uv: ``` pip install uv ``` 2. 创建虚拟环境: ``` uv venv .venv ``` 3. 激活虚拟环境: - Windows: ``` .venv\Scripts\activate ``` - macOS / Linux: ``` source .venv/bin/activate ``` 4. 安装 Python 依赖: ``` cd backend uv pip install -r requirements.txt cd .. ``` 5. 安装 Node.js 依赖: ``` cd frontend npm install cd .. ``` 6. 启动应用: ``` cd frontend npm run electron:dev ``` ### 方法三: 使用传统 pip 手动安装 1. 创建虚拟环境: ``` python -m venv .venv ``` 2. 激活虚拟环境: - Windows: ``` .venv\Scripts\activate ``` - macOS / Linux: ``` source .venv/bin/activate ``` 3. 安装 Python 依赖: ``` cd backend pip install -r requirements.txt cd .. ``` 4. 复制你当前系统的 ffmpeg 文件到.venv/bin ``` brew install ffmpeg cp $(which ffmpeg) .venv/bin/ ``` 5. 安装 Node.js 依赖: ``` cd frontend npm install cd .. ``` 6. 启动应用: ``` cd frontend npm run electron:dev ``` ## 单独启动后端服务 如果您需要单独启动后端服务(例如进行调试或开发),可以按照以下步骤操作: 1. 确保已经激活虚拟环境: - Windows: ``` .venv\Scripts\activate ``` - macOS / Linux: ``` source .venv/bin/activate ``` 2. 进入后端目录并启动服务: ``` cd backend python app.py [port] ``` 其中 `[port]` 是可选参数,指定服务要监听的端口号,默认为 5000。 服务启动后,您将看到类似于以下的输出: ``` * Running on http://127.0.0.1:5000 ``` 这表示服务已经成功启动。 ## 使用说明 参考开头的`使用说明`部分 ## 构建应用 ### 构建独立的可执行文件 ``` cd frontend npm run electron:build ``` 构建后的应用将位于 `frontend/release` 目录中。 ### 打包后的应用使用说明 打包后的应用包含了所有必要的依赖,包括 Python 环境和 FunASR 模型。用户可以直接运行安装程序或可执行文件,无需额外安装依赖。 #### Windows 1. 运行 `Voice_Assistant_[version].exe` 安装程序 2. 按照安装向导完成安装 3. 从开始菜单或桌面快捷方式启动 "Voice_Assistant" #### macOS 1. 打开 `Voice_Assistant_[version].dmg` 文件 2. 将 "Voice_Assistant" 应用拖动到应用程序文件夹 3. 从启动台或应用程序文件夹启动 "Voice_Assistant" 4. 首次启动时,可能需要右键点击应用并选择"打开"以绕过 macOS 的安全限制 #### Linux 1. 下载 `Voice_Assistant_[version].AppImage` 文件 2. 设置执行权限:`chmod +x Voice_Assistant_[version].AppImage` 3. 运行应用:`./Voice_Assistant_[version].AppImage` #### 首次运行注意事项 1. 首次启动时,应用将下载并加载 FunASR 模型,这可能需要一些时间 2. 请确保在使用录音功能前授予应用麦克风访问权限 3. 如果需要使用"自动插入文本"功能,可能需要授予应用额外的输入控制权限 #### 配置加速 ``` npm config set registry https://mirrors.cloud.tencent.com/npm/ export ELECTRON_MIRROR="https://npmmirror.com/mirrors/electron/" ``` ## 许可证 MIT ## 致谢 - [FunASR](https://github.com/modelscope/FunASR) - 语音识别引擎 - [Electron](https://www.electronjs.org/) - 跨平台桌面应用框架 - [Vue.js](https://vuejs.org/) - 前端框架