SayDone 发布 1.0.0：Windows 语音输入工具，按住说话即得 AI 润色文字
jinqiu193/SayDone
开源项目 SayDone 发布 1.0.0，提供 Windows 10/11 x64 安装包（NSIS 15MB、MSI 22MB），按住 Alt 说话松开后 AI 润色文字自动注入光标位置。
随口说，出色写。 按住说话，松开即得 AI 润色后的文字，自动输入到光标位置。
告别打字——用说话代替键盘，AI 实时把口语变成书面表达。
📸 效果演示
工作台
语音引擎设置
通用设置
文档模板
知识库（RAG）
📦 下载安装
支持 Windows 10/11 x64，开箱即用，无需额外运行时
| 安装包 | 大小 | 下载 |
|---|---|---|
| NSIS（推荐） | 15MB | SayDone_1.0.0_x64-setup.exe |
| MSI 中文版 | 22MB | SayDone_1.0.0_x64_zh-CN.msi |
📖 首次使用配置教程
- 下载并安装
- 打开 SayDone，首次启动会引导你配置语音识别服务
- 选择一个 ASR 供应商（推荐千问 ASR，有免费额度）
- 填入 API Key（各供应商获取方式见下方表格）
- 按住
Alt键开始说话，松开后文字自动输入到光标位置
零配置方案：如果不想注册云服务，选择"本地离线"模式，下载 SenseVoice 模型后即可离线使用。
✨ 核心功能
🎤 全局语音输入
在任何应用中按住 Alt 键即可口述，松开后文字自动插入光标位置。支持微信、Word、浏览器、IDE、聊天软件——任意输入框。
✍️ AI 智能润色
口语自动转书面语，去口癖（"嗯""那个"）、纠错、分段。支持自定义 prompt，灵活控制润色风格——从忠实转录到正式公文，一键切换。
🔌 7 种语音识别引擎
| 供应商 | 模型 | 特点 | 费用 | 推荐场景 |
|---|---|---|---|---|
| 豆包 ASR | Doubao-Seed-ASR-2.0 | 速度快，准确率高 | 按量计费 | 日常使用 |
| 千问 ASR | qwen3-asr-flash | 流式输出，实时性好 | 有免费额度 | 追求实时性 |
| 智谱 GLM-ASR | glm-asr-2512 | SSE 流式，中文强 | 有免费额度 | 中文场景 |
| MiniMax | asr-1.0 | 稳定可靠 | 有免费额度 | 通用场景 |
| 本地离线 | SenseVoice GGUF | 无需联网，隐私安全 | 免费 | 隐私优先 |
🚀 长录音不丢字
自动 30 秒分片并发转写，支持数分钟连续语音。不会因为录音太长导致识别失败或丢字。
🖱️ 鼠标 PTT — 全程不碰键盘
- 中键按住 → 开始说话
- 松开 → 自动转文字并输入
- 滚轮上滑 → 发送
- 滚轮下滑 → 删除
一只手完成语音输入全流程，适合不方便用键盘的场景。
🤖 AI 对话模式
按住 Ctrl 键说话，松开后 AI 直接回答并插入。可用于 AI 写作助手、快速提问等场景。
📊 悬浮窗实时反馈
录音状态、波形动画、处理进度实时可见。不用切窗口，看一眼就知道状态。
💾 历史记录
所有转录结果本地保存，支持搜索和收藏。误删可找回，历史可回放。
📄 智能模板
RAG 知识库 + 场景模板，按场景自动选择润色风格。写邮件用正式风格、写消息用口语风格。
🎨 多主题
多种主题风格，界面简洁现代。支持跟随系统主题自动切换。
🎯 为什么选 SayDone？
| 对比项 | SayDone | Windows 语音输入 | 其他工具 |
|---|---|---|---|
| AI 润色 | ✅ 口语→书面 | ❌ 原样输出 | 部分 |
| 离线识别 | ✅ 无需联网 | ❌ | 少数 |
| 全局注入 | ✅ 任意输入框 | ✅ | 部分 |
| 鼠标操作 | ✅ 全程鼠标 | ❌ | ❌ |
| 长录音 | ✅ 分片并发 | ❌ | 部分 |
| 多引擎切换 | ✅ 7 种引擎 | ❌ | 1-2 种 |
| 自定义热词 | ✅ | ❌ | 部分 |
| 开源免费 | ✅ | ✅ | 大多收费 |
⌨️ 快捷键
| 模式 | 快捷键 | 说明 |
|---|---|---|
| 按住说话 | Alt |
按住开始录音，松开结束并转文字 |
| 免提模式 | Shift |
按一次开始，再按结束（适合长录音） |
| AI 对话 | Ctrl |
按住录音，松开后 AI 回复 |
| 鼠标 PTT | 中键 |
按住中键说话，滚轮上滑发送 |
所有快捷键均可自定义
🔧 配置指南
快速开始（3 分钟）
- 安装 SayDone
- 打开设置 → 语音识别 (ASR)
- 选择供应商（推荐 千问 ASR，有免费额度）
- 在百炼平台注册获取 API Key
- 填入 Key，点击「测试连接」
- 按住
Alt键开始说话
AI 润色配置
支持 DeepSeek、通义千问、Azure OpenAI、Ollama 本地模型。在设置页配置 AI 供应商和自定义 prompt。
📝 润色 Prompt 示例
你是语音文本精炼助手。输入是 ASR 语音识别的原始转写，你的任务是清洗为可直接使用的干净文本。
核心原则：保留用户全部有效信息，只清除语音噪声和识别错误。
1. 移除口语填充词（嗯、啊、那个、就是说）
2. 识别自我修正——"不对""不是"后以最终表达为准
3. 修正明显的语音识别错误：同音字、专有名词
4. 添加标点符号，必要时分段
只输出精炼后的文本。
🛠️ 技术栈
| 层 | 技术 |
|---|---|
| 桌面客户端 | Tauri v2、React 18、TypeScript、Tailwind CSS |
| 系统集成 | Rust（全局键盘/鼠标钩子、剪贴板、SQLite） |
| 语音识别 | 豆包/千问/智谱/MiniMax + FunASR、sherpa-onnx (C/C++) |
| AI 润色 | DeepSeek、通义千问、Azure OpenAI、Ollama |
| RAG 嵌入 | fastembed |
| Office 集成 | UI Automation (UIA) 文字注入 |
🚀 开发
# 安装依赖 cd client && npm install # 开发模式 npm run tauri dev # 构建安装包 npm run tauri build
前置要求： Node.js 18+、Rust 1.75+、Windows 10/11
🏗️ 项目架构
client/
├── src/
│ ├── overlay/ # 悬浮窗（独立窗口）
│ ├── services/
│ │ ├── recorder/ # 录音状态机 + 子模块
│ │ ├── transcription/ # ASR Provider 层
│ │ ├── bridge.ts # Tauri IPC 桥
│ │ └── store.ts # 本地存储
│ ├── features/
│ │ └── settings/ # 设置页
│ └── pages/ # 主页面
└── src-tauri/
└── src/
├── providers/ # Rust ASR 供应商实现
├── keyboard/ # 全局键盘钩子
├── inject/ # 文字注入
└── models/ # 本地模型管理
❓ FAQ
支持 macOS / Linux 吗？ 目前仅支持 Windows。Tauri v2 框架支持跨平台，未来可能适配 macOS。 本地离线模式需要什么配置？ 下载 SenseVoice GGUF 模型（254MB~470MB），无需 GPU，CPU 即可运行。完全离线，隐私安全。 API Key 是必须的吗？ 不是。选择"本地离线"模式，下载模型后即可免费使用，无需任何 API Key。 录音最长能支持多久？ 自动 30 秒分片并发转写，实测支持数分钟连续语音。免提模式适合长录音。
🙏 致谢
本项目基于以下优秀开源项目构建：
- SayIt — 语音输入 + AI 润色架构参考
- FunASR — 阿里达摩院离线语音识别
- sherpa-onnx — C/C++ 语音识别框架
- Tauri — 桌面应用框架
- React — UI 框架
📄 许可证
本项目采用 MIT 许可证。第三方组件遵循其各自的许可证。
Use plugin: trae-remote-official:github
来源：GitHub · github.com