PushToTalk 是一个高性能的桌面语音输入工具，集成了大语言模型（LLM）能力。支持两种工作模式：
- 听写模式：按住
Ctrl+Win说话，松开后自动转录并插入文本，支持 LLM 智能润色 - AI 助手模式：选中文本后按
Alt+Space说话，用语音命令处理选中的文本；或直接提问获得答案
软件介绍
PushToTalk 是一个高性能的桌面语音输入工具。它不仅仅是一个语音转文字工具，更集成了大语言模型（LLM）能力。你可以按住 Ctrl+Win 说话，松开后应用会自动将你的语音转为文字，并根据你的设定进行润色、翻译或整理成邮件，最后自动粘贴到当前光标位置。支持豆包/千问
截图
核心特性
双模式工作
- 🎤 听写模式 – 传统的语音转文字功能
- 按住模式：按住快捷键录音，松开停止（传统方式）
- 松手模式：按一次 F2 开始录音，再按一次结束（防止误停）
- 🤖 AI 助手模式 – 语音控制文本处理
- 无选中文本：Q&A 模式，提问获得答案
- 选中文本：语音命令处理文本（翻译、润色、总结、扩写等）
核心功能
- ⚡ 实时流式转录 – WebSocket 边录边传，极低延迟（< 500ms），松手即出字
- 🧠 LLM 智能后处理 – 内置”文本润色”、”邮件整理”、”中译英”等预设，支持自定义 Prompt
- ⌨️ 自定义快捷键 – 支持 73 种按键绑定（修饰键、字母、数字、功能键、方向键等）
- 🔄 多 ASR 引擎 – 支持阿里云 Qwen、豆包 Doubao、SiliconFlow SenseVoice
- 🛡️ 智能兜底 – 主引擎失败时自动切换到备用引擎，并行竞速
- 🎨 可视化反馈 – 录音状态悬浮窗，实时波形显示，三种视觉状态
- 🔊 音频反馈 – 录音开始/结束的清脆提示音，盲操也放心
- 📜 历史记录 – 自动保存转录历史，支持搜索、复制、清空
- 🚀 系统托盘 – 支持最小化到托盘、开机自启动
- 🔄 自动更新 – 内置 6 个镜像源，自动检查并安装更新
- 💾 多配置管理 – 支持保存多套 LLM 预设，通过界面快速切换不同场景
快速开始
安装
- 从 Releases 下载最新版本的安装包
- 运行 NSIS 安装程序完成安装
- 右键点击应用图标，选择”以管理员身份运行”
⚠️ 重要：必须以管理员身份运行才能使用全局快捷键功能
配置
1. ASR 配置（至少配置一个）
阿里云 Qwen（推荐）
- 超大量的免费额度，2025 年 3 月前基本用不完
- 支持实时流式和 HTTP 两种模式
- 获取 DashScope API Key
豆包 Doubao（可选）
- 支持实时流式和 HTTP 两种模式
- 录音文件识别大模型-极速版开通
- 流式语音识别大模型-小时版开通
- 注意：App ID 和 Access Token 在网页下方
硅基流动 SenseVoice（可选，免费）
- 免费使用的备用引擎
- 可作为主引擎的智能兜底
- 获取 SiliconFlow API Key
2. 快捷键配置（可自定义）
听写模式：
- 默认快捷键：
Ctrl + Win - 松手模式快捷键：
F2 - 可自定义为任意组合键（支持 73 种按键）
AI 助手模式：
- 默认快捷键：
Alt + Space - 可自定义为任意组合键
3. LLM 配置（可选）
听写模式 LLM（文本润色）
- 用于对转录结果进行润色、翻译等后处理
- 推荐使用免费的智谱 GLM-4-Flash
- 获取智谱 API Key
- 可添加多个自定义预设（文本润色、中译英、邮件整理等）
AI 助手模式 LLM（必需）
- 用于 AI 助手模式的文本处理和问答
- 支持 OpenAI 兼容接口
- 配置两个系统提示词：
- Q&A 提示词：用于回答问题
- 文本处理提示词：用于处理选中的文本
4. 系统设置（可选）
- 关闭时最小化到托盘 – 关闭窗口时保持后台运行
- 开机自启动 – 系统启动时自动运行（需要管理员权限）
5. 保存并启动
点击”保存配置”并”启动助手”。
📖 使用指南
听写模式
按住模式（传统方式）
- 将光标定位在任何输入框（微信、Word、VS Code）
- 按住
Ctrl+Win键，听到”滴”声后开始说话 - 说完松开按键，听到结束提示音
- 等待处理（悬浮窗显示处理状态），文本将自动打字上屏
松手模式（防误停）
- 将光标定位在输入框
- 按一次
F2键（可自定义），听到”滴”声后开始说话 - 说话时手可以松开，防止长时间说话时误停
- 说完后再按一次
F2键，听到结束提示音 - 等待处理，文本将自动打字上屏
松手模式悬浮窗：
- 蓝色药丸状态，中间显示迷你波形
- 左边 ❌ 按钮：取消录音
- 右边 ✓ 按钮：结束录音并转录
- 60 秒超时自动取消
AI 助手模式
Q&A 模式（无选中文本）
- 将光标定位在输入框
- 按住
Alt+Space键（可自定义），说出你的问题 - 例如：”What is the capital of France?”
- 松开按键，LLM 将自动回答并插入答案
文本处理模式（选中文本）
- 在任何应用中选中一段文本
- 按住
Alt+Space键，说出你的命令 - 常用命令示例：
- “翻译成英文” – 将选中的中文翻译成英文
- “润色一下” – 优化选中的文本
- “总结一下” – 生成摘要
- “扩写成三段” – 扩展内容
- “添加注释” – 为代码添加注释
- 松开按键，LLM 将处理选中的文本并替换
历史记录
在主界面的”历史记录”标签页可查看所有转录记录：
- 显示转录文本、时间、模式
- 支持搜索功能
- 点击复制按钮快速复制
- 一键清空所有历史
