233stone/vocotype-cli

README

VocoType - 精准的离线语音输入法

您的声音，绝不离开电脑

VocoType 是一款专为注重隐私和效率的专业人士打造的、完全免费的桌面端语音输入法。所有识别均在本地完成，无惧断网，不上传任何数据。

这个 GitHub 项目是 VocoType 核心引擎的 CLI (命令行) 开源版本，主要面向开发者。

➡️ 想获得最佳体验？请立即下载免费桌面版！

开箱即用，功能更完整，无需任何技术背景。

立即访问官网，下载免费、完整的 VocoType 桌面版

批量录音视频转文字：批量离线语言转文字 | Windows、Mac

功能简介

VocoType 是一款智能语音输入工具，通过快捷键即可将语音实时转换为文字并自动输入到当前应用。支持MCP语音转文字、 AI 优化文本、自定义替换词典等功能，让语音输入更高效、更准确。

📹 演示视频

下载

OS	Download
Windows
macOS

🤔 VocoType 为何与众不同？

特性	✅ VocoType	传统云端输入法	操作系统自带
隐私安全	本地离线，绝不上传	❌ 数据需上传云端	⚠️ 隐私政策复杂
网络依赖	完全无需联网	❌ 必须联网使用	❌ 强依赖网络
响应速度	0.1 秒级	慢，受网速影响	慢，受网速影响
定制化能力	强大的自定义词表	弱或无	基本没有

✅ 核心功能

完整的图形用户界面：开箱即用，所有操作清晰直观。
系统级全局输入：在任何软件、任何文本框内都能直接语音输入。
自定义词典：支持添加 20 个常用术语、人名，提升识别准确率。
100% 离线运行：绝对的隐私和数据安全。
旗舰级识别引擎：精准识别中英混合内容。
AI 智能优化：支持选择多种 AI 模型，通过可定制的 Prompt 模板自动修正语音转录中的错别字、同音字和自我修正，智能识别口语中的修正指令（如"不对"、"改成"等），让输出文本更准确流畅。

(对于有更高需求的专业用户，应用内提供了升级到 Pro 版的选项，以解锁无限词典等高级功能。)

🎯 适用各类专业场景

无论是文字工作者、律师、学者、游戏玩家，还是日常办公，VocoType 都能成为您值得信赖的效率伙伴。

用户	场景
作家与创作者	撰写文章、小说，整理会议纪要，让思绪通过语音即时转化为文字，心无旁骛，专注于创作本身。
法律 & 医疗人士	处理高度敏感的客户信息或病历时，100%离线确保数据安全。自定义词表更能轻松驾驭行业术语。
学生与学者	快速记录课堂笔记、整理访谈录音、撰写学术论文。告别繁琐的打字，将更多精力投入到思考与研究之中。
开发者 & 程序员	无论是与 AI 结对编程，还是撰写技术文档，都能精准识别 `function`、`Kubernetes pod` 等专业术语。
游戏玩家	在激烈的游戏对战中，通过语音快速打字与队友交流，无需停下操作，保持游戏节奏，提升团队协作效率。

✨ VocoType 核心引擎特性

所有 VocoType 版本共享同一个强大的核心引擎。

🛡️ 100% 离线，隐私无忧：所有语音识别在您的电脑本地完成。
⚡️ 旗舰级识别引擎：中英混合输入同样精准，告别反复修改。
⚙️ 高度可定制：独创的替换词表功能，让人名、地名、行业术语一次就对。
💻 轻量化设计：仅需 700MB 内存，纯 CPU 推理，无需昂贵显卡。
🚀 0.1 秒级响应：感受所言即所得的畅快，让您的灵感不再因等待而中断。

🛠️ 【开发者专属】CLI 版安装指南

请注意： 此版本面向有一定技术背景的开发者。如果您不熟悉命令行，我们强烈建议您访问官网，下载简单易用的 VocoType 免费桌面版。

1. 环境依赖

Python 3.12
我们强烈建议使用 uv 或 venv 创建虚拟环境。

2. 克隆与安装

# 1. 克隆仓库
git clone https://github.com/233stone/vocotype-cli.git
cd vocotype-cli

# 2. (推荐) 创建并激活虚拟环境
pip install uv
uv venv --python 3.12
source .venv/bin/activate  # macOS/Linux
# 或者 .\.venv\Scripts\activate  (Windows)

# 3. 安装依赖
uv pip install -r requirements.txt

# 4. 运行
python main.py

# 保存数据集运行
python main.py --save-dataset

模型下载：首次运行时，程序会自动下载约 500MB 的模型文件，请确保网络连接稳定。

🌐 Volcengine 火山引擎 BigASR 流式识别后端（可选）

除了默认的本地 FunASR 离线引擎，VocoType CLI 还支持接入火山引擎豆包大模型流式语音识别作为云端识别后端。

优势

特性	本地 FunASR	Volcengine BigASR
网络要求	无	需要联网
模型下载	~500 MB	无需下载
响应延迟	本地推理	云端极低延迟
识别质量	高	旗舰级大模型
数据隐私	完全离线	音频发送至火山引擎

配置步骤

登录火山引擎控制台，创建一个语音应用，获取 App Key 和 Access Key。
在项目目录创建 config.json：

{
  "backend": "volcengine",
  "volcengine": {
    "app_key": "YOUR_APP_KEY",
    "access_key": "YOUR_ACCESS_KEY",
    "resource_id": "volc.bigasr.sauc.duration",
    "enable_punc": true,
    "enable_itn": true
  }
}

以 --config 参数启动：

python main.py --config config.json

注意：使用 Volcengine 后端时，录音数据会发送到火山引擎服务器进行识别，不再完全离线。如对隐私有严格要求，请继续使用默认的本地 FunASR 后端。

常见问题 (FAQ)

Q: 我的数据安全吗？

A: 100%安全。所有语音识别均在本地离线完成，您的音频数据不会上传到任何服务器。

📞 联系我们

Bug 与建议：请优先使用 GitHub Issues。
关注我们获取最新动态：https://vocotype.com

🙏 致谢

VocoType 的诞生离不开以下优秀的开源项目：

FunASR - 阿里巴巴达摩院开源的语音识别框架，为 VocoType 提供了强大的离线语音识别能力。
QuQu - 优秀的开源项目，为 VocoType 提供了重要的技术参考和灵感。

感谢这些开源社区的无私贡献！