diff --git a/CHANGELOG.md b/CHANGELOG.md new file mode 100644 index 0000000..57d916a --- /dev/null +++ b/CHANGELOG.md @@ -0,0 +1,58 @@ +# 更新日志 + +本文件记录 SayIt 各版本的功能变更、Bug 修复与优化。 + +格式参考 [Keep a Changelog](https://keepachangelog.com/zh-CN/1.1.0/), +版本号遵循 [语义化版本](https://semver.org/lang/zh-CN/)。 + +变更分类:`新增` / `修复` / `优化` / `变更` / `移除` / `安全`。 + +--- + +## [0.0.8] - 2026-07-08 + +### 新增 +- 新增「录音时静音系统声音」开关(默认关闭):按住说话时临时静音系统输出,避免外放声音被麦克风录入,松开即恢复。 +- 润色模式支持自定义快捷键切换:为任意润色模式设置组合键(如 Alt+1),全局按下即可切换,切换时悬浮窗即时提示。 +- 文本替换支持批量添加:粘贴多行内容(支持逗号、制表符、`=>` 分隔)一次性导入多条规则,已存在的原文会更新。 +- 热键支持更多按键:菜单键、Pause、ScrollLock、Insert,便于避开易冲突的按键。 +- 免提组合键(如 Alt+字母)设置时增加冲突提示,若已被其他程序占用会提醒更换。 +- 关于页面新增「本次更新」板块,展示当前版本的主要更新内容。 +- 服务器模式的服务地址增加说明提示(悬停信息图标查看),介绍默认体验服务器的用途与替代方案。 +- 本地识别新增 Qwen3-ASR 0.6B 模型:支持多语种、准确度更高,适合对识别质量要求高的场景。 +- 本地模型列表新增速度 / 准确度评分与「推荐」标识,方便按需选择合适的模型。 +- 本地识别支持热词:使用 Qwen3-ASR 时,热词可提升专有名词与行业术语的识别准确率。 +- 云 API 语音识别新增「小米 MiMo」供应商(mimo-v2.5-asr):中英文与多种方言,自动标点,仅需填入 API Key。 +- AI 润色新增「小米 MiMo」供应商(mimo-v2.5 / mimo-v2.5-pro),默认使用 mimo-v2.5。 + +### 优化 +- 去除悬浮窗胶囊与卡片的投影,消除窗口边缘出现的灰色残影。 +- 标题栏「AI 整理」按钮 hover 时显示当前润色模式;快捷键切换后 AI 整理页高亮实时更新。 +- 意见反馈附带更多排错信息(当前应用/窗口/进程、识别参数、客户端环境),随「最后的转录」开关控制是否附带;不含音频与 IP。 +- 首次安装直接进入设置向导,不再短暂闪现主页。 +- 服务器模式下未连接后端时,按免提键改为显示简短告警,不再弹出无法关闭的悬浮窗。 +- 托盘图标提示语更新为「随口说,出色写」。 +- 长语音(超过约 30 秒)本地识别自动在停顿处分段处理,避免超长音频卡死或识别异常。 +- 本地模型下载更稳更快:支持多下载源自动切换、断点续传,国内网络自动走加速通道。 +- 小米 MiMo AI 润色默认关闭深度思考,回复更快。 +- AI 供应商点击模型标签即刻生效并保存,无需再点保存按钮。 + +### 修复 +- 修复在 CMD 中运行 Claude Code 等程序时无法插入文本的问题。 +- 修复开启「录音时静音系统声音」后,按下热键没有就绪提示音的问题。 +- 修复设置向导中更换热键后,测试仍需按默认键才生效的问题。 +- 修复设置向导中更换免提热键后,首页提示仍显示旧按键、需切换页面才刷新的问题。 +- 修复云 API 语音识别切换供应商时误带入其它供应商 API Key 的问题,各供应商密钥现独立保存。 +- 修复 AI 润色实际运行、但未改动文本时,历史记录不显示所用 AI 供应商与模型的问题。 +- 修复修改服务地址(含填错地址)后,左下角连接状态未刷新、仍显示已连接的问题。 +- 修复同时打开两个客户端导致插入两份重复文本的问题,现改为单实例,二次启动会唤起已有窗口。 +- 修复远程桌面等场景下,历史记录音频播放进度条卡住不动的问题。 +- 修复切换 AI 供应商后可能仍沿用上一个供应商地址与模型的问题(如选了豆包却调用了其他模型)。 +- 修复在 TRAE、Cursor、Windsurf 等编辑器中无法插入文本、只弹出兜底卡片的问题。 +- 默认开启麦克风降噪,消除部分机器录音中的低频电流声/底噪。 + +--- + +## [0.0.7] + +- 已发布基线版本。 diff --git a/README.md b/README.md index 210b612..4abf007 100644 --- a/README.md +++ b/README.md @@ -13,6 +13,8 @@ **[下载客户端](https://github.com/crosswk/SayIt/releases/latest)** · **[网页版体验](https://sayitapp.site)** · **[配置文档](docs/)** +**视频介绍:[我做了一个开源 AI 语音输入法——SayIt](https://www.bilibili.com/video/BV1JLTs6REPU/)**(B 站) + --- @@ -129,7 +131,7 @@ cd backend && uvicorn app.main:app --host 0.0.0.0 --port 8000 - **全局语音输入** — 在任何应用中按下快捷键即可口述,文字自动插入光标位置 - **AI 智能润色** — 口语自动转书面语,去口癖、纠错、分段,Prompt 完全可自定义 -- **多种语音识别** — 豆包 ASR、千问 ASR、本地离线识别(sherpa-onnx) +- **多种语音识别** — 豆包 ASR、千问 ASR,以及本地离线识别(SenseVoice、Qwen3-ASR,基于 sherpa-onnx) - **热词增强** — 自定义专业术语词表,提升识别准确率 - **悬浮窗反馈** — 录音状态、波形动画、处理进度实时可见 - **历史记录** — 所有转录结果本地保存,支持搜索和收藏 @@ -162,15 +164,15 @@ SayIt/ ## 技术栈 -| 层 | 技术 | -|----|------| -| 桌面客户端 | Tauri v2、React、TypeScript、Tailwind CSS | -| 客户端系统集成 | Rust(全局键盘钩子、剪贴板、SQLite) | -| 后端服务 | Python、FastAPI、WebSocket | -| 语音识别 | Qwen3-ASR + vLLM / 豆包 ASR / 千问 ASR / sherpa-onnx | -| AI 润色 | DeepSeek / 通义千问 / Azure OpenAI / Ollama | -| 部署 | Docker Compose、NVIDIA Container Toolkit | -| 开发 | 整个项目使用 Claude Opus 开发 | +| 层 | 技术 | +| ----------------| ------------------------------------------------------| +| 桌面客户端 | Tauri v2、React、TypeScript、Tailwind CSS | +| 客户端系统集成 | Rust(全局键盘钩子、剪贴板、SQLite) | +| 后端服务 | Python、FastAPI、WebSocket | +| 语音识别 | Qwen3-ASR + vLLM / 豆包 ASR / 千问 ASR / sherpa-onnx | +| AI 润色 | DeepSeek / 通义千问 / Azure OpenAI / Ollama | +| 部署 | Docker Compose、NVIDIA Container Toolkit | +| 开发 | 整个项目使用 Claude Opus 开发 | ## 开发 @@ -197,13 +199,16 @@ cd backend && uvicorn app.main:app --port 8000 ## 交流反馈 -有任何问题、建议或想法,欢迎扫码加入用户反馈微信群,一起交流: +关注微信公众号获取更新动态,或扫码加入用户反馈微信群一起交流:
-
-*微信扫码加入 SayIt 用户反馈群*
+![]() 微信公众号 |
+![]() 用户反馈群 |
+