OpenWispr：隐私优先的语音转文字桌面应用

OpenWispr 是一款开源的桌面语音转文字应用，基于 OpenAI Whisper 技术，将用户语音快速转换为文本。它提供本地和云端处理选项，强调隐私保护，数据可完全留存在本地。用户通过全局热键快速启动听写，文本自动粘贴至光标位置，适合写作、编程、会议记录等场景。OpenWispr 支持跨平台运行（macOS、Windows、Linux），提供多种模型选择，平衡速度与准确性。其现代化界面和可拖动面板提升了使用体验，社区驱动的开发模式允许用户自由定制。

功能列表

• 实时语音转文字，自动将转录文本粘贴到光标位置。
• 支持本地处理，语音数据不上传云端，确保隐私安全。
• 提供云处理选项，通过 OpenAI API 实现更快转录。
• 全局热键（默认反引号 `）快速启动/停止听写。
• 可拖动听写面板，自由调整屏幕位置。
• 支持多种 Whisper 模型（tiny、base、small、medium、large），适应不同需求。
• 提供代理命名功能，个性化 AI 助手名称，支持命令与常规听写区分。
• 内置控制面板，管理设置、查看转录历史、配置 API 密钥。
• 使用 SQLite 数据库本地存储转录历史，方便查看和管理。
• 跨平台支持，兼容 macOS、Windows 和 Linux。
• 开源代码，遵循 MIT 许可证，允许自由修改和分发。

使用帮助

安装流程

OpenWispr 提供开源版本，需手动安装，适合技术用户或需要定制的用户。以下是详细步骤：

开源版安装

1. 克隆代码：访问 https://github.com/HeroTools/open-wispr，运行以下命令：

   git clone https://github.com/HeroTools/open-wispr.git
   cd open-wispr
   

2. 安装依赖：确保本地已安装 Node.js 18+ 和 npm，运行：

   npm install
   

3. 配置环境（可选，云处理需 OpenAI API 密钥）：
   • 复制环境模板文件：

     cp env.example .env
     

   • 编辑 .env 文件，添加 OpenAI API 密钥：

     OPENAI_API_KEY=your_openai_api_key_here
     

   • 或者通过控制面板配置密钥（启动应用后操作）。
4. 本地处理配置（可选）：
   • 确保安装 Python 3.7+（程序可自动安装）。
   • 通过控制面板下载 Whisper 模型（tiny、base、small、medium、large）。
5. 运行程序：
   • 开发模式（支持热重载）：

     npm run dev
     

   • 生产模式：

     npm start
     

6. 验证安装：启动后，点击系统托盘图标，打开控制面板检查状态，或按默认热键 ` 测试听写。

构建独立应用（可选）

若需生成独立可执行文件：

1. 运行以下命令：

   npm run pack
   

2. 输出路径：
   • macOS：dist/mac-arm64/OpenWispr.app
   • Windows：dist/win-unpacked/OpenWispr.exe
   • Linux：dist/linux-unpacked/open-wispr
3. 注意：macOS 首次运行未签名应用可能需右键选择“打开”绕过安全警告。

权限设置

1. 麦克风权限：首次运行时，授予 OpenWispr 麦克风访问权限。
2. 辅助功能权限（macOS）：为自动粘贴功能，需在系统设置 > 隐私与安全 > 辅助功能中启用 OpenWispr。
3. 若权限问题持续存在，打开控制面板，点击“Fix Permission Issues”修复。

主要功能操作

实时语音转文字

1. 启动 OpenWispr，屏幕显示小型可拖动听写面板。
2. 按全局热键（默认 `），面板显示录音动画，开始说话。
3. 再次按热键停止录音，面板显示处理动画，转录文本自动粘贴至光标位置。
4. 拖动面板至屏幕任意位置，方便多窗口操作。

选择处理方式

1. 打开控制面板（右键系统托盘图标 > Control Panel）。
2. 选择处理模式：
   • 本地处理：下载 Whisper 模型（tiny 最快，large 质量最高），数据不离开设备。
   • 云处理：输入 OpenAI API 密钥，处理速度更快，需网络连接。
3. 保存设置后，模式立即生效。

代理命名

1. 在首次设置或控制面板中为 AI 助手命名（如“Jarvis”）。
2. 使用代理命令（如“嘿 Jarvis，格式化为列表”）触发 AI 协助功能。
3. 常规听写无需调用代理名称，直接记录文本。
4. AI 自动检测命令与常规听写，移除输出中的代理名称。

管理转录历史

1. 打开控制面板，点击“History”查看所有转录记录。
2. 支持复制、删除或搜索历史转录。
3. 所有记录存储在本地 SQLite 数据库，路径在用户数据目录。

自定义热键

1. 在控制面板的“Settings”中，点击“Hotkey”选项。
2. 按下新组合键（如 Ctrl+Alt+V）并保存。
3. 若热键冲突，可随时更改为任意键。

特色功能操作

本地 Whisper 处理

1. 在控制面板选择“Local Processing”。
2. 程序自动检测 Python 环境，若缺失则提示安装 Python 3.11。
3. 选择模型（tiny/base/small/medium/large），自动下载（39MB-1.5GB）。
4. 确保足够磁盘空间，模型下载后即可离线使用。

云处理

1. 在控制面板输入有效的 OpenAI API 密钥。
2. 选择云处理模式，程序通过 OpenAI Whisper API 处理语音。
3. 检查 API 密钥状态（控制面板显示“OpenAI API Key present: Yes/No”）。

可拖动界面

1. 单击听写面板顶部，拖动至屏幕任意位置。
2. 若面板移至屏幕外，重启应用可重置位置。

跨平台支持

1. OpenWispr 兼容 macOS 10.15+、Windows 10+ 和 Linux。
2. 在任意文本编辑器（如 VS Code、Notion）或浏览器中，按热键输入文本。
3. 确保辅助功能权限启用，以支持跨应用自动粘贴。

注意事项

• 本地处理需要较高性能设备（推荐 8GB 内存，快速 CPU）。
• 云处理需稳定网络和有效 OpenAI API 密钥。
• 检查 DEBUG.md 文件以获取调试日志，解决运行问题。
• 若麦克风或粘贴功能失效，检查系统权限设置。

应用场景

1. 高效写作
   作家或内容创作者可通过语音快速生成文章初稿。OpenWispr 的全局热键和自动粘贴功能让输入流畅，适合博客、报告或小说创作。
2. 编程注释
   开发者可使用语音快速记录代码注释或技术文档。跨平台支持确保在 VS Code、PyCharm 等编辑器中无缝操作。
3. 会议记录
   学生或职场人士可用语音记录会议内容，本地处理模式保护敏感信息，历史记录功能便于整理和回顾。
4. 多语言转录
   支持 58 种语言（包括中文、英文、日文等），适合翻译工作者或国际交流场景，自动检测语言或通过 .env 设置首选语言。

QA

1. OpenWispr 是否完全免费？
   是的，OpenWispr 开源且免费，遵循 MIT 许可证。云处理需自行支付 OpenAI API 费用。
2. 本地处理与云处理的区别是什么？
   本地处理数据不离开设备，适合隐私敏感场景，需较高硬件性能。云处理速度更快，需网络和 API 密钥。
3. 如何解决热键冲突？
   在控制面板的“Settings”中更改热键，支持任意键组合。
4. 支持哪些语言？
   支持 58 种语言，包括中文、英文、西班牙语等。可在 .env 文件设置首选语言，或使用自动检测。
5. 如何确保数据安全？
   本地处理模式下，音频不上传云端。云处理依赖 OpenAI 隐私政策，API 密钥通过系统密钥管理器安全存储。
6. 转录文本未自动粘贴怎么办？
   检查 macOS 辅助功能权限是否启用，或尝试手动粘贴（Cmd+V）。可通过控制面板的“Fix Permission Issues”修复。