Whisper Input 是受到即友FeiTTT启发做的一个简单的 python 代码。可以实现按下 Option 按钮开始录制，抬起按钮就结束录制，并调用 Groq Whisper Large V3 Turbo 模型进行转译，由于 Groq 的速度非常快，所以大部分的语音输入都可以在 1-2s 内反馈。并且得益于 whisper 的强大能力，转译效果非常不错。
🎉🎉由于目前已经发现了更好用的语音输入软件WhisperKeyBoard，非常推荐大家可以直接使用这款软件即可。Whisper Input 的中心将继续回到 Voice + Agents 上。
| 功能 | 快捷键 |
|---|---|
| 多语言语音转译 | Option 或者 Alt |
| 中文翻译为英文 | Shift + Option 或者 Shift + Alt |
查看视频效果演示
重点：Groq 只要注册，就提供一定的免费用量，并且在我们这个使用场景下免费已经完全够用了！
🧐 目前已经支持代理模式使用 Groq Whisper 了，可以联系我为你提供对应的 API KEY。微信搜索：geekthings
-
注册 Groq 账户：https://console.groq.com/login
-
复制 Groq 免费的 API KEY：https://console.groq.com/keys
-
打开
终端，进入到想要下载项目的文件夹git clone git@github.com:ErlichLiu/Whisper-Input.git
-
创建虚拟环境 【推荐】
python -m venv venv
-
重命名
.env文件cp .env.example .env
-
粘贴在第 2 步复制的 API KEY 到
.env文件，效果类似GROQ_API_KEY=gsk_z8q3rXrQM3o******************8dQEJCYz3QTJQYZ -
在最好不需要关闭的
终端内进入到对应文件夹，然后激活虚拟环境# macOS / Linux source venv/bin/activate # Windows .\venv\Scripts\activate
-
安装依赖
pip install pip-tools pip-compile requirements.in pip install -r requirements.txt
-
运行程序
python main.py
🎉 此时你就可以按下 Option 按钮开始语音识别录入啦！
由于这个程序需要一直在后台运行，所以最好找一个自己不会经常下意识关掉的终端或者终端里的 Tab 来运行，不然很容易会不小心关掉。
关注作者个人网站，了解更多项目: https://erlich.fun
[✅] 多语言转译功能
[✅] 中文或多语言转译为英文
[✅] 标点符号支持
[ ] 添加 Agents，或许可以实现一些屏幕截图，根据上下文做一些输入输出之类的
如果你也有想法： 欢迎 Fork 和 PR，如果你在使用当中遇到问题，欢迎提交 Issue。
- 添加标点和优化进行区分，并且默认不优化转译内容
- 去除掉状态展示的动画
- 修复没有重置状态的 Bug，当录音时间小于 1s 时，会触发重置，避免后续的错误
- 支持 Windows，所有用户需要根据自己的本地环境 pip-compile
- 采用字节流 buffer 存储录音，不需要存储到本地
- 支持语音输入结果优化，并更换推荐模型为
Llama 3.3 70B，同样免费
- 支持国内网络，无需申请 Groq API KEY 可以免费使用，Erlich 提供免费代理 API KEY
- 通过环境变量支持将繁体中文转化为简体中文
.env，CONVERT_TO_SIMPLIFIED=true，默认开启- 通过环境变量支持添加标点符号功能
.env，ADD_SYMBOL=true，默认开启，可以更换模型
- 增加了一个延迟 0.5s 的触发，方便在一些快捷键需要用到 Option/Alt 按钮时不会被误触
- 重构代码
- 支持快捷键按下后的状态显示【正在录音、正在转译/翻译、完成】
- 支持多语言语音转换为英文输出
- 支持基本的快捷键语音转文字输入
遵循 MIT 协议