按住一个键（默认 F9）说话，松开后：
- 语音被实时识别
- 大模型按你选的风格润色（去口水词 / 改正式 / 保留原样）
- 处理后的文字直接注入到当前焦点（聊天框、编辑器、地址栏，几乎任何应用）
不打开 App，不切窗口，不复制粘贴。你的输入流不被打断。
截图位待补：
assets/demo-placeholder.png
主流语音输入要么：
- 不带润色 —— 出来一堆"嗯"、"那个"、"就是"，要么自己删要么忍着
- 带润色但完全没有上下文 —— 在写代码时把"括号"翻成文字而不是
()；在写邮件时却太口语；在 BBS 里回帖却用论文腔 - 要切窗口 / 走云端剪贴板 —— 流程笨重
One-Key Input 想做到的是：
- 按住即说，松开就到 —— 一个键完成全流程，零额外操作
- 上下文感知 —— 这是核心差异点（见下）
- 后端可换 —— ASR 和 LLM 都是接口化的：现在支持 Azure Speech、本地 sherpa-onnx Paraformer、Azure OpenAI 和 OpenAI；本地 LLM 正在路上
- 跨平台目标 —— 当前是 Windows 原生，架构层抽象做了，Linux/macOS 后续
绝大多数语音输入只看"你说了什么"。One-Key Input 在润色之前会先看你此刻在看什么、要回复什么，让结果真的贴合场景：
- 在 YouTube / Bilibili 看视频，要写评论：视频标题 + 简介 + 当前播放的字幕都进上下文 —— 你说"挺有意思的"，润色后是切题的一句评论，而不是泛泛"This is interesting"
- 在 微信 / Slack / Teams 聊天框：取当前会话最近几条消息 —— "好的我看看" 会被润成回复对方刚问的那个问题的口气，而不是孤立的回复
- 在 代码编辑器：你光标附近的代码 + 文件类型 —— 说"加个错误处理"，润色后用的是这门语言的惯用法，符号自动正确
- 在 邮件草稿：取主题 + 上一封内容 —— 自动匹配收件人的称呼和正式程度
- 在 论坛 / Reddit / 知乎：取帖子标题 + 你正在回复的那条 —— 回复贴题，不是说什么是什么
你说的还是同一句话。改变的是大模型在润色时知道你说话的语境，所以输出更像"懂你的合作者写的"，而不是"一个不知道发生了什么的助手随手改写的"。
它怎么做到的：按下热键的瞬间，Core 会用 Windows 的 UIAutomation 接口对前台窗口做一次有限时（800ms 预算）的快照——包括应用名、窗口标题、当前焦点控件类型、光标前后 ~200/50 字符、选中文本，以及同窗口内其它可见文本区域（聊天历史 / 文档正文等）。这些会被压成一个简短上下文块附加到 LLM 的 system prompt 里，原话不变。录音和上下文抓取并行进行，不增加总延迟。
不想要的话，
config.json里把polish.use_context改成false即可完全关闭（连 UIA 调用都不会发起）。当前局限：UIA 对原生 Win32 / WinUI / WPF 应用读取最佳；对 Electron / 浏览器内嵌内容的读取程度取决于该应用是否暴露完整 a11y 树。针对浏览器和主流 IM 的专用适配器在路线图上。
从 Releases 下载 OneKeyInput-x.y.z-portable.zip，解压到任意目录。
文件夹大小 ~55 MB（含 onnxruntime 等本地 ASR 运行时；不含可选的 Paraformer 模型，模型自下需另占 ~230 MB），便携，无需安装。
⚠️ 首次运行：Windows 会拦一下
因为 exe 没有代码签名证书（开源软件买不起也没必要），Windows SmartScreen 会弹一个蓝色警告框 "Windows protected your PC"。点 More info（更多信息）→ Run anyway（仍要运行） 即可。Defender 不会真把它当病毒——只是因为这个文件下载量还不够多、没建立信誉。
想一劳永逸消除提示：解压前右键 zip → 属性 → 勾选 "Unblock（取消阻止）" → 确定，再解压出来的 exe 不会带"网络下载"标记。介意的话，欢迎自己 从源码编译 —— 自己编出来的 exe 不会被拦。
双击 onekey-core.exe：
- 没有
config.json时会自动弹出设置窗口 - 填入你的 Azure Speech key + region，以及润色 LLM 的 key / endpoint
- 点 "保存并启动" —— 设置会先用真实接口验证凭据，通过后才写入 + 启动 Core
按住 F9 → 说话 → 松开 → 文字落在焦点处。
托盘图标右键有：
- 设置 / Settings —— 重新打开配置
- Pause / Resume —— 暂停 / 恢复热键
- Polish mode —— Raw（不润色） / Tidy（默认） / Formal（正式改写）
- Open Log Folder —— 出问题时看日志
直接编辑 config.json 也可以 —— Core 自带文件监视，保存后自动重启加载新配置。但 GUI 保存时的凭据预验证会被绕过，手改请自己确认 key 没填错。
除了「按住 F9 = 录音 + 润色」，还提供「按住 F8 = 录音 + 翻译」。
按住 F8 用母语口述 → 松开 → 焦点处出现目标语言的版本。复用同一套 ASR、上下文抓取和注入管线，只是在调 LLM 时换了一个结构化的翻译 prompt。
- 没有"翻译方向"概念：配置里只指定目标语言。ASR 识别出的语言 ≠ 目标语言时才翻译。
- 目标语言 = 英文 → 说中文翻英文；说英文不翻
- 目标语言 = 中文 → 说英文翻中文；说中文不翻
- 润色风格沿用：当前选的 Raw / Tidy / Formal 同样作用在翻译输出上。Raw 模式的翻译尽量贴原意不加戏；Formal 用正式书面语。翻译没有独立的风格档位。
- 上下文同样起作用：从焦点窗口抓到的代码符号、产品名、人名等会作为
[KEEP VERBATIM]注入，翻译时保持原样不译；对方称呼的松散度也会用来匹配回复语气。 - 智能目标语言（实验性，默认关）：
translate.smart_target = true时会根据焦点窗口内容自动判断目标语言。可能不准；要求稳定时请关闭并固定target_language。
config.json 里相应的配置块：
或者直接在设置 UI 的「翻译模式」一节里改。
| 类型 | 提供商 | 状态 |
|---|---|---|
| ASR (流式) | Azure Speech | ✅ 默认 |
| ASR (REST) | Azure Speech | ✅ |
| ASR (本地) | sherpa-onnx Paraformer | ✅ 离线可用 |
| ASR (本地) | Whisper.cpp | 🚧 接口已留 |
| 润色 | Azure OpenAI | ✅ 默认 |
| 润色 | OpenAI | ✅ |
| 润色 | 本地 LLM | 🚧 接口已留 |
不想用云端 ASR？设置 UI 里把「ASR 提供商」切到 sherpa-onnx Paraformer (local)，填入本地模型目录路径即可。运行时完全离线，不向任何服务器发送音频。
底层模型是阿里达摩院的 Paraformer 中英双语流式版（sherpa-onnx-streaming-paraformer-bilingual-zh-en，int8 量化版本解压后约 230 MB），sherpa-onnx 只是 k2-fsa 做的 ONNX 推理 runtime，把达摩院公开的 PyTorch 权重重新打包成 ONNX。中文 SOTA 之一，CPU 实时可跑。
- 下载模型（任选其一）：
- ModelScope（国内镜像，下载快）：pengzhendong/sherpa-onnx-streaming-paraformer-bilingual-zh-en
- HuggingFace：csukuangfj/sherpa-onnx-streaming-paraformer-bilingual-zh-en
- 解压到便携包目录下的
models\paraformer-zh-streaming\（默认路径，跟onekey-core.exe平级；也可改成任意绝对路径或%LOCALAPPDATA%等）。目录里应包含encoder.onnx、decoder.onnx、tokens.txt（或对应的*.int8.onnx量化版本） - 设置 UI 里指向该目录，点 Test 验证模型可加载
- 保存配置，按 F9 即可本地识别 —— 润色 LLM 仍走云端（润色想离线另起接线）
必需的
sherpa-onnx-c-api.dll/onnxruntime.dll已经随便携包一起打包，无需另装。 Paraformer 是非自回归架构，不需要joiner.onnx（那是 Transducer 类模型的组件）。
- Windows 10/11 (x64)
- Azure Speech 资源 —— 免费档每月 5 小时识别足够日常用
- 一个 LLM 接入：
- Azure OpenAI：要个 deployment，推荐
gpt-4o-mini（便宜快） - 或 OpenAI API key
- Azure OpenAI：要个 deployment，推荐
完全自费跑，月度成本通常 < 10 元人民币（除非你天天讲很多）。
F9 按下 → WASAPI 抓麦克风 (16k mono)
→ Azure Speech 流式识别（边讲边出）
F9 松开 → 等最终识别结果
→ LLM 按你选的模式润色（流式输出）
→ SendInput / 剪贴板注入到焦点窗口
→ 错误音 / 提示音 / 托盘 tooltip 反馈状态
详细架构文档稍后整理。
- 本地处理：所有音频和文字都在你的机器上处理后直接发到你自己的 Azure / OpenAI 账号。我们没有服务器，没有遥测，没有埋点
- 你自己的 key：所有云端凭据由你提供，存在
config.json（仅本地，gitignored） - 日志：本地
logs/目录，明文，可随时删
# 前置：Visual Studio 2022 Build Tools + vcpkg + Node 20+
git clone https://github.com/zwcih/one-key-input.git
cd one-key-input
# Build core
scripts\build.bat
# Build settings UI
cd settings && npm install && npm run tauri build- 🐛 开 Issue 报 bug
- 💡 Discussions 聊想法 / 提问
- ⭐ 用得顺手的话给个 star，我能看到
MIT © 2026 zwcih
{ "translate": { "enabled": true, "hotkey": "f8", "min_hold_ms": 250, "target_language": "en", // en/zh/ja/ko/de/fr/es/it/pt/ru ... "smart_target": false } }