MagicVoice

Windows 语音转文字工具，基于阿里云 API，支持实时语音识别和 AI 智能回答。

功能特性

• F2 键：实时语音转文字模式，结束时自动粘贴
• F4 键：语音转文字 + AI 回答模式，AI 回答自动粘贴
• 系统托盘集成：右键托盘图标访问功能菜单
• 实时流式识别：支持 fun-asr-realtime 模型，低延迟识别
• API 密钥持久化：只需输入一次 API Key，下次自动加载
• 防止多实例运行：重复启动时会弹出提示窗口
• 启动速度优化：快速启动，减少等待时间
• 设置窗口：图形化界面配置 API Key
• 模型选择：支持多种 ASR 和 LLM 模型
• 热键配置：可自定义热键（通过配置文件）

安装使用

方式一：使用打包好的 exe（推荐）

1. 下载最新发布版本的 MagicVoice.zip
2. 解压到任意目录
3. 双击运行 MagicVoice.exe
4. 首次运行时会弹出设置窗口，输入你的阿里云 API Key
5. API Key 会自动保存到 config.json 文件中，下次启动无需重复输入

方式二：从源代码运行

# 克隆仓库
git clone https://github.com/Gabriel2git/MagicVoice.git
cd MagicVoice

# 创建虚拟环境
python -m venv .venv

# 激活环境
.venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 运行程序
python magic_voice.py

配置说明

获取阿里云 API Key

1. 访问 阿里云 DashScope 控制台
2. 登录后创建 API Key
3. 首次运行程序时，在弹出的设置窗口中输入 API Key
4. API Key 会自动保存到 config.json 文件中
5. 如需修改 API Key，可右键点击系统托盘图标，选择「设置」

模型选择

右键点击系统托盘图标，选择相应的模型：

• 语音模型：fun-asr-realtime、fun-asr-flash-8k-realtime
• 大语言模型：qwen-flash、qwen-turbo

热键配置

编辑 config.toml 文件中的热键配置：

[hotkey]
f2 = "ctrl+shift+f2"  # 听写模式热键（建议使用组合键，降低冲突）
f4 = "ctrl+shift+f4"  # 上帝模式热键（建议使用组合键，降低冲突）

打包 exe

使用项目根目录下的 build.py 脚本进行打包：

python build.py

打包后的文件在 dist/MagicVoice.exe

热键说明

按键	功能
F2	听写模式（按一次开始，再按一次结束，自动粘贴）
F4	上帝模式（按一次开始，再按一次结束，AI 回答自动粘贴）

注意事项

• 阿里云 API 是付费服务，请合理控制使用量
• 支持 Windows 10/11 64 位系统
• 首次运行可能需要安装 Visual C++ Redistributable
• 程序会在系统托盘运行，右键图标可访问功能菜单
• 程序会自动防止多实例运行，避免冲突
• 若遇到音频设备问题，请检查麦克风权限
• 若热键偶发不响应，优先改用组合键（如 ctrl+shift+f2），并查看 magic_voice.log 排查注册/回调异常

项目结构

MagicVoice/
├── magic_voice.py           # 主程序
├── ali_voice_assistant.py   # 辅助模块
├── build.py                 # 打包脚本
├── magic_voice.ico          # 应用图标
├── secret.toml.template     # API Key 模板（备用）
├── requirements.txt          # 依赖列表
├── .gitignore               # Git 忽略文件
└── README.md                # 说明文档

依赖

• dashscope - 阿里云 API SDK
• sounddevice - 音频采集
• keyboard - 热键监听
• pyperclip - 剪贴板操作
• pystray - 系统托盘
• numpy - 数值计算
• tomli - TOML 文件解析
• Pillow - 图标处理

License

MIT License