Doubao Voice Input (豆包语音输入)

Windows 语音输入工具，基于豆包 ASR 实现实时语音识别。

功能特性

• 🎤 实时语音识别 - 基于豆包 ASR 的高精度语音识别
• ⌨️ 双击Ctrl触发 - 快速双击 Ctrl 键开始/停止语音输入
• 📍 悬浮按钮 - 现代风格可拖动悬浮按钮，左键切换录音，右键退出
• 🔄 流式识别 - 实时显示识别结果，支持文本修正
• 🖥️ 系统托盘 - 托盘图标菜单控制，右键访问设置和退出
• 📦 绿色便携 - 单文件可执行，无需安装

快速开始

下载使用

1. 从 Releases 下载最新版本
2. 解压到任意目录
3. 运行 doubao-voice-input.exe
4. 首次运行会自动注册设备

使用方法

1. 快捷键 (双击 Ctrl):

   • 快速双击 Ctrl 键开始语音输入
   • 再次双击停止录音，文本自动插入到当前焦点窗口

2. 悬浮按钮:

   • 🟣 紫色 = 待机状态
   • 🔴 红色 = 正在录音
   • 🟠 橙色 = 处理中
   • 左键点击 = 开始/停止录音
   • 右键点击 = 退出程序（有确认提示）
   • 拖动 = 调整位置

3. 系统托盘:

   • 右键托盘图标打开菜单
   • 菜单项：开始/停止语音输入、设置、退出

配置文件

配置文件 config.toml 与程序同目录：

[general]
auto_start = false
language = "zh-CN"

[hotkey]
mode = "double_tap"
combo_key = "Ctrl+Shift+V"
double_tap_key = "Ctrl"
double_tap_interval = 300  # 毫秒

[floating_button]
enabled = true
position_x = 100
position_y = 100

[asr]
vad_enabled = true

从源码构建

环境要求

• Rust 1.70+ (stable)
• Windows 10/11 x64
• Visual Studio Build Tools 2022
• CMake
• Protobuf Compiler (protoc)

构建步骤

# 克隆项目
git clone https://github.com/EvanDbg/doubao-ime-win.git
cd doubao-ime-win

# 构建 Release 版本
cargo build --release

# 可执行文件位置
# target/release/doubao-voice-input.exe

GitHub Actions

项目已配置 GitHub Actions 自动构建：

• 推送到 main 分支时自动构建
• 创建 v* 标签时自动发布 Release

技术架构

模块	技术
语言	Rust
语音识别	豆包 ASR (doubaoime-asr 协议)
音频采集	cpal
音频编码	Opus
热键监听	rdev (双击检测)
系统托盘	tray-icon
悬浮按钮	Win32 API (Layered Window)
文本输入	Windows SendInput API

免责声明

⚠️ 注意

本项目基于豆包输入法客户端协议分析实现，非官方 API。

• 仅供学习研究使用
• 协议可能随时变更导致功能失效
• 请遵守相关法律法规

许可证

MIT License

致谢

• doubaoime-asr - 豆包 ASR 协议参考实现