VocoType — точный офлайн-инструмент для голосового ввода

VocoType — это полностью бесплатный настольный инструмент для голосового ввода, созданный для профессионалов, которые ценят конфиденциальность и эффективность. Все распознавание выполняется локально: не бойтесь отсутствия интернета, данные никуда не передаются.

Этот проект на GitHub является CLI (командной строкой) версией с открытым исходным кодом ядра VocoType и предназначен в первую очередь для разработчиков.

➡️ Хотите получить лучший опыт? Скачайте бесплатную настольную версию прямо сейчас!

Готовое решение, более полный функционал, не требует технических навыков.

Посетите официальный сайт, чтобы скачать бесплатную полную версию VocoType для рабочего стола

Краткий обзор функций

VocoType — это интеллектуальный инструмент для голосового ввода, который позволяет преобразовывать речь в текст в реальном времени и автоматически вставлять его в текущее приложение с помощью горячих клавиш. Поддерживает MCP для преобразования речи в текст, AI-оптимизацию текста, пользовательские словари замен и другие функции, делая голосовой ввод более эффективным и точным.

📹 Демонстрационное видео

Related MCP server: vibevoice-asr

Скачивание

🤔 Почему VocoType уникален?

✅ Основные функции

• Полноценный графический интерфейс: готов к работе сразу после установки, все операции понятны и интуитивны.

• Системный глобальный ввод: голосовой ввод работает в любом приложении и любом текстовом поле.

• Пользовательский словарь: поддержка добавления до 20 часто используемых терминов и имен для повышения точности распознавания.

• 100% офлайн-работа: абсолютная конфиденциальность и безопасность данных.

• Флагманский движок распознавания: точное распознавание смешанной китайско-английской речи.

• AI-оптимизация: поддержка выбора различных AI-моделей, которые с помощью настраиваемых шаблонов промптов автоматически исправляют опечатки, омофоны и ошибки в транскрипции, а также распознают команды самокоррекции в разговорной речи (например, "неправильно", "измени на"), делая текст более точным и плавным.

(Для профессиональных пользователей с более высокими требованиями в приложении предусмотрена возможность перехода на версию Pro для разблокировки неограниченного словаря и других расширенных функций.)

🎯 Подходит для различных профессиональных сценариев

Будь вы писатель, юрист, ученый, геймер или офисный работник, VocoType станет вашим надежным помощником в повышении эффективности.

✨ Характеристики ядра VocoType

Все версии VocoType используют одно и то же мощное ядро.

• 🛡️ 100% офлайн, конфиденциальность гарантирована: все распознавание речи происходит локально на вашем компьютере.

• ⚡️ Флагманский движок распознавания: точный ввод смешанной китайско-английской речи без необходимости постоянных правок.

• ⚙️ Высокая степень настройки: уникальная функция словаря замен позволяет с первого раза правильно распознавать имена, географические названия и отраслевые термины.

• 💻 Легкий дизайн: потребляет всего 700 МБ оперативной памяти, работает на CPU, не требует дорогостоящей видеокарты.

• 🚀 Отклик 0.1 секунды: почувствуйте скорость «сказал — получил», чтобы ваши идеи не прерывались из-за ожидания.

🛠️ Руководство по установке CLI-версии (для разработчиков)

Внимание: эта версия предназначена для разработчиков с техническим бэкграундом. Если вы не знакомы с командной строкой, мы настоятельно рекомендуем посетить официальный сайт и скачать простую в использовании бесплатную настольную версию VocoType.

1. Системные требования

• Python 3.12

• Мы настоятельно рекомендуем использовать uv или venv для создания виртуального окружения.

2. Клонирование и установка

# 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

Загрузка модели: при первом запуске программа автоматически загрузит файлы модели объемом около 500 МБ, пожалуйста, убедитесь в стабильности интернет-соединения.

🌐 Бэкенд потокового распознавания Volcengine BigASR (опционально)

Помимо стандартного локального движка FunASR, VocoType CLI поддерживает подключение потокового распознавания речи Volcengine Doubao в качестве облачного бэкенда.

Преимущества

Шаги настройки

1. Войдите в консоль Volcengine, создайте голосовое приложение и получите App Key и Access Key.

2. Создайте файл config.json в директории проекта:

{
  "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
  }
}

3. Запустите с параметром --config:

python main.py --config config.json

Примечание: при использовании бэкенда Volcengine данные записи отправляются на серверы Volcengine для распознавания и перестают быть полностью офлайновыми. Если у вас строгие требования к конфиденциальности, продолжайте использовать стандартный локальный бэкенд FunASR.

Часто задаваемые вопросы (FAQ)

Q: Безопасны ли мои данные?

A: На 100% безопасны. Все распознавание речи выполняется локально в офлайн-режиме, ваши аудиоданные не загружаются ни на какие серверы.

📞 Свяжитесь с нами

• Баги и предложения: пожалуйста, используйте GitHub Issues.

• Следите за обновлениями: https://vocotype.com

🙏 Благодарности

Создание VocoType было бы невозможно без следующих замечательных проектов с открытым исходным кодом:

• FunASR — фреймворк для распознавания речи от Alibaba DAMO Academy, предоставивший VocoType мощные возможности офлайн-распознавания.

• QuQu — отличный проект с открытым исходным кодом, ставший важным техническим ориентиром и источником вдохновения для VocoType.

Спасибо сообществу open-source за их бескорыстный вклад!