这是一个基于 PySide6 和 Sherpa-Onnx 开发的桌面应用，能够将你的中文（及中英混合）语音实时转换为带标点符号的文字。它非常适合用于会议记录、课堂笔记、语音写作等场景。

主界面:

• 🎤 实时识别: 延迟低于2秒，实现语音到文字的实时转换。
• ✍️ 自动标点: 转录完成后，自动为生成的文本段落添加合适的标点符号。
• 📋 结果处理:
  • 导出为 TXT: 一键将所有转录内容保存为 .txt 文件。
  • 一键复制: 方便地将结果复制到剪贴板。
  • 清空内容: 快速清除已有的转录文本。
• 💾 录音保存: 在进行实时转录的同时，自动将麦克风输入保存为 .wav 格式的音频文件，方便后续回听和校对。
• ⚙️ 设备选择: 自动检测并允许用户选择不同的麦克风设备。
• 跨平台: 基于 Python 和 PySide6，理论上支持 Windows, macOS 和 Linux。

我们推荐使用 uv 进行环境管理和依赖安装，因为它使用简单、速度极快。

1. 安装 uv:

   • macOS / Linux:

     curl -LsSf https://astral.sh/uv/install.sh | sh

   • Windows: 开始菜单-找到 Windows PowerShell 打开

     powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

2. 安装 FFmpeg :

   • macOS: brew install ffmpeg
   • Ubuntu/Debian: sudo apt update && sudo apt install ffmpeg
   • Windows: 下载解压，将exe文件放在本项目目录下即可 https://www.gyan.dev/ffmpeg/builds/ffmpeg-release-full.7z

1. 克隆本仓库:

   git clone https://github.com/jianchang512/realtime-stt.git
   cd realtime-stt

2. 创建 onnx 文件夹并下载模型: 应用运行需要依赖 Sherpa-Onnx 模型文件。

   mkdir onnx

   • 下载模型: 点击这里下载模型 (realtimestt-models.7z)
   • 放置模型: 下载完成后，解压 realtimestt-models.7z 文件，将其中的 4个模型文件 (ctc.model.onnx, decoder.onnx, encoder.onnx, tokens.txt) 移动到刚刚创建的 onnx 文件夹内。

   完成后的目录结构应如下所示：

   realtime-stt/
   ├── onnx/
   │   ├── ctc.model.onnx
   │   ├── decoder.onnx
   │   ├── encoder.onnx
   │   └── tokens.txt
   └── stt.py
   

在项目根目录下，打开终端并执行以下命令：

uv sync

uv 会自动创建一个虚拟环境，安装所有必要的依赖包 (PySide6, sherpa-onnx, sounddevice 等)，然后启动应用程序。

1. 启动应用后，从下拉菜单中选择正确的麦克风设备。
2. 点击 "启动实时语音转文字" 按钮。
3. 开始说话，识别的中间结果会显示在上方文本框中。
4. 当您停顿一段时间后，一句完整的话会自动整理并添加标点，显示在下方的主文本区域。
5. 点击 "正在语音转文字中..." 按钮可以停止转录。
6. 所有录音文件（.wav）和对应的文本记录（.txt）会自动保存在 output 文件夹中。

如果你不想手动配置环境，可以直接下载为 Windows 用户准备的预构建包。

➡️ 前往 Releases 页面下载

下载后解压即可运行，无需安装 Python 或其他依赖。

• 核心实时引擎: sherpa-onnx
• GUI 框架: PySide6
• 语音识别引擎: sherpa-onnx
• ONNX 推理: onnxruntime
• 音频 I/O: sounddevice
• 数值计算: NumPy