MouthWrite

MouthWrite 是一款 Windows 端 AI 语音输入法。按住快捷键说话，松开后自动完成语音转录与文本优化。结果会先复制到剪贴板，随后你只需用鼠标左键点击目标输入框，即可自动执行粘贴。支持两组快捷键：中文直出模式与自动翻译模式。

演示

功能特性

• 语音转文字 — 支持本地 vLLM 部署的 Qwen3-ASR 以及阿里云 DashScope 在线 API（qwen3-asr-flash），实时流式转录
• 大模型文本优化 — 调用 DeepSeek 等 OpenAI 兼容 API，自动去除语气词、修正数字/术语、规范中英混排
• 双快捷键模式 — 主热键用于中文直出；主热键 + 翻译修饰键用于本轮自动翻译
• 点击即粘贴 — 最终文本先复制到剪贴板，鼠标左键点击目标输入框后自动执行 Ctrl+V
• 可自定义优化提示词 — 在设置页直接编辑语音文本优化规则（规则部分），保存即生效
• 开机自启 — 设置页一键开启/关闭开机启动
• 历史记录 — 每次对话自动保存到本地，可在设置页面浏览和复制，历史记录还会作为上下文辅助大模型优化
• 提示音 — 按下 / 松开快捷键时播放开始与结束提示音
• 全局快捷键 — 默认 RAlt（中文直出）与 RAlt + RCtrl（自动翻译），均可在设置中调整
• 系统托盘 — 双击运行后常驻托盘，右键可打开设置或退出
• 深色主题 — 底部居中浮窗，#272727 深色背景，分段显示转录 / 优化 / 翻译结果
• 可打包为独立 EXE — 通过 PyInstaller 打包为单文件 Windows 应用

技术架构

主要技术栈：

组件	技术
编程语言	Python 3.12
GUI 框架	PySide6 (Qt for Python)
音频采集	sounddevice + numpy
全局热键	pynput
HTTP 客户端	httpx (SSE 流式)
ASR 模型	Qwen3-ASR (vLLM / DashScope API)
LLM	DeepSeek 或其他 OpenAI 兼容 API
打包工具	PyInstaller

目录结构

MouthWrite/
├── main.py                 # 应用入口
├── config.py               # 配置管理（单例，JSON 持久化）
├── utils.py                # 通用工具（资源路径兼容 PyInstaller）
├── requirements.txt        # Python 依赖
├── MouthWrite.spec         # PyInstaller 打包配置
│
├── core/                   # 核心业务逻辑
│   ├── controller.py       # 调度中枢：串联热键→录音→ASR→LLM→粘贴
│   ├── hotkey.py           # 全局热键监听（RAlt / AltGr）
│   ├── audio.py            # 麦克风录音（16kHz PCM）
│   ├── asr_client.py       # ASR 流式调用（自动适配 vLLM / DashScope）
│   ├── llm_client.py       # LLM 文本优化 & 翻译（SSE 流式）
│   └── history.py          # 本地历史记录管理
│
├── gui/                    # 图形界面
│   ├── main_window.py      # 底部浮窗（转录/优化/翻译分段显示）
│   ├── settings_dialog.py  # 设置对话框（含历史记录页面）
│   ├── tray_icon.py        # 系统托盘图标
│   ├── start.mp3           # 开始录音提示音
│   └── end.mp3             # 结束录音提示音
│
├── assets/
│   └── icon.ico            # 应用图标
│
├── scripts/
│   └── gen_icon.py         # 图标生成脚本（PySide6 绘制）
│
└── test/                   # 测试脚本
    ├── test_asr.py         # ASR 本地 vLLM 测试
    └── test_flash.py       # DashScope qwen3-asr-flash 测试

安装指南

环境要求

• Windows 10/11
• Python 3.12+（推荐使用 uv 管理环境）
• 一个可用的 ASR 服务（二选一）：
  • 本地：在 WSL2 / Linux 上通过 vLLM 部署 Qwen3-ASR
  • 在线：阿里云 DashScope API（模型 qwen3-asr-flash）
• 一个 LLM API Key（如 DeepSeek）用于文本优化和翻译

从源码运行

# 1. 克隆仓库
git clone https://github.com/Xiao-Taner/MouthWrite.git
cd MouthWrite

# 2. 创建虚拟环境并安装依赖（使用 uv）
uv venv --python 3.12
.venv\Scripts\activate     # Windows
uv pip install -r requirements.txt

# 或者使用 pip
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt

# 3. 运行
python main.py

首次启动后，右键托盘图标 → 设置，建议配置：

• 通用 页：主热键、翻译组合修饰键、开机自启
• 语音识别 页：ASR 服务地址、模型名称、API Key
• 大模型 页：LLM 服务地址、模型名称、API Key、历史上下文条数
• 提示词 页：自定义语音文本优化规则（可留空使用默认规则）
• 翻译 页：目标语言（默认 English）

配置文件保存在 %APPDATA%\MouthWrite\config.json。

ASR 服务部署（本地 vLLM 方案）

如果你选择本地部署 ASR 模型，需要在 WSL2 或 Linux 上安装 vLLM 并启动服务：

# 在 WSL2 / Linux 中
pip install -U qwen-asr[vllm]
qwen-asr-serve Qwen/Qwen3-ASR-1.7B --gpu-memory-utilization 0.8 --host 0.0.0.0 --port 8000

然后在 MouthWrite 设置中将 ASR 服务地址设为 http://localhost:8000/v1。

ASR 服务（DashScope 在线方案）

如果不想本地部署，可以使用阿里云 DashScope 的在线 API：

1. 前往 阿里云百炼 获取 API Key
2. 在 MouthWrite 设置中填入：
   • ASR 服务地址：https://dashscope.aliyuncs.com/compatible-mode/v1
   • 模型名称：qwen3-asr-flash
   • API Key：你的 DashScope API Key

打包为 EXE

# 1. 安装 PyInstaller
pip install pyinstaller

# 2. 执行打包
pyinstaller MouthWrite.spec

# 3. 生成的可执行文件
dist/MouthWrite.exe

打包后为单个 .exe 文件，双击即可运行。首次启动会自动在 %APPDATA%\MouthWrite\ 创建配置文件，用户通过设置页面填入自己的 API Key 即可使用。

如需自定义应用图标，替换 assets/icon.ico 后重新打包即可。也可运行 python scripts/gen_icon.py 重新生成默认图标。

使用方法

1. 双击运行 MouthWrite.exe（或 python main.py），程序常驻系统托盘
2. 选择会话模式：
   • 中文直出：长按主热键（默认 RAlt）说话，松开结束
   • 自动翻译：按住主热键 + 翻译修饰键（默认 RAlt + RCtrl）说话，松开结束
3. 程序自动处理：语音转录 → 文本优化（→ 若为翻译模式则继续翻译）→ 复制到剪贴板
4. 用鼠标左键点击目标输入框，程序会先关闭浮窗，再自动执行 Ctrl+V 粘贴
5. 点击窗口外部或按任意键可关闭浮窗

许可证

MIT License