IME Input System

语音输入与智能意图识别系统

功能特性

• 全局监听右侧 Ctrl 键，触发语音输入
• 智能语音转文字（基于智谱AI ASR）
• 意图识别与函数调用（基于GLM function calling）
• 可配置的角色和提示词
• 跨平台支持（Linux）

系统架构

C++ 核心模块

• 按键监听: 全局捕获按键事件
• 音频采集: 实时录制麦克风输入
• IPC服务: 进程间通信

Python 业务逻辑

• ASR客户端: 调用语音识别API
• 意图识别: 理解用户意图
• 功能执行: 执行系统命令和应用

快速开始

1. 一键安装和构建

# 克隆或下载项目后，运行：
./install_deps.sh  # 安装系统依赖
./build.sh        # 编译并运行

手动安装步骤

1. 安装系统依赖

# 自动检测Linux发行版并安装所需依赖
./install_deps.sh

# 支持的发行版：Ubuntu/Debian/CentOS/RHEL/Fedora/Arch Linux

2. 配置API密钥

编辑 config/config.yaml，填入您的智谱AI API密钥：

asr:
  api_key: "your_zhipu_api_key_here"

glm:
  api_key: "your_zhipu_api_key_here"

3. 编译和运行

# 编译并运行
./build.sh

# 或者分别执行
./build.sh --no-run  # 只编译
./run.sh start       # 运行系统

使用方法

系统控制

# 启动系统
./run.sh start

# 停止系统
./run.sh stop

# 查看状态
./run.sh status

# 查看日志
./run.sh logs

使用语音输入

1. 按住右侧 Ctrl 键
2. 说话
3. 松开按键，系统自动识别并执行

配置说明

角色配置

在 config/config.yaml 中可以配置不同的AI角色：

roles:
  assistant:
    name: "智能助手"
    prompt: "你是一个专业的AI助手..."
    functions: ["search", "calculate", "translate"]

  programmer:
    name: "程序员"
    prompt: "你是一个资深程序员..."
    functions: ["code_review", "debug"]

意图配置

定义语音命令和对应的功能：

intents:
  open_app:
    keywords: ["打开", "启动", "运行"]
    function: "execute_command"

  search:
    keywords: ["搜索", "查找"]
    function: "web_search"

安全设置

security:
  allow_system_commands: true
  allowed_commands: ["ls", "cd", "cat"]  # 留空表示允许所有命令

支持的命令示例

• "打开浏览器" - 启动默认浏览器
• "搜索 Python 教程" - 打开搜索结果
• "翻译 Hello 到中文" - 翻译文本
• "计算 2+2*3" - 数学计算
• "执行 ls -la" - 运行系统命令

故障排除

权限问题

确保当前用户有权限访问音频设备：

sudo usermod -a -G audio $USER

X11错误

确保X11服务器正在运行，或者使用xhost +允许本地连接。

音频设备

检查麦克风是否正常工作：

arecord -D plughw:0,0 -d 5 test.wav
aplay test.wav

开发计划

• Phase 1: 基础架构
• Phase 2: 核心功能
• Phase 3: 优化完善
• Phase 4: 打包发布

贡献指南

欢迎提交Issue和Pull Request！

许可证

MIT License