面向 AI 编程场景的开源语音输入工具。 按一下键录音，再按一下转写并粘贴。
Open Flow 是一个围绕「热键 -> 录音 -> 转写 -> 自动输出文本」打造的开源语音输入工具，适合在 Cursor、VS Code、终端、浏览器和各类编辑器中替代部分键盘输入。
它同时覆盖三类常见场景：
- 即时语音输入：按下热键开始录音，再按一次结束并输出文本
- 会议记录：同时采集系统声音和麦克风输入，持续分段转写并落盘
- 草稿整理：在录音草稿中继续用 AI 做口语清洗、字幕生成和 Markdown 整理
Open Flow 当前会同时存在两个发布形态：
- GitHub 开源版：主仓库持续演进的完整版本，保留更多实验能力和跨平台支持，包括 macOS、Windows、Linux，以及会议模式、草稿整理、更多设置项等
- Mac App Store 版：面向商店审核和稳定交付的精简版本，当前聚焦 本地离线麦克风转写 这一条主路径，默认内置离线模型，并收敛部分实验功能与非必要入口
这两个版本会共享同一个项目和核心能力，但不会追求完全一致的功能暴露面。如果你在 GitHub 文档、截图或 issue 中看到某些功能，而商店版暂时没有，这通常是有意的产品分层，而不是安装异常。
商店版采用付费下载，并不影响项目开源：
Mac App Store定价主要用于覆盖 Apple 开发者会员、签名、上架与持续维护等现实成本- 仓库代码仍然保持开源，愿意自行构建的用户依然可以直接从 GitHub 获取源码并本地编译使用
- 如果你不想通过 App Store 购买，完全可以选择自行构建；如果你希望获得更省事的安装、签名与分发体验，也可以直接购买商店版
以下截图和功能说明主要覆盖 GitHub 开源版 / 完整版。如果你使用的是 Mac App Store 版，界面和功能会更精简，重点聚焦在本地离线麦克风转写这一条主路径。
录音草稿适合承接“先说出来，再慢慢整理”的工作流。你可以先把转写内容持续写进草稿，再决定是否复制、清空或继续做 AI 整理。
文本转换面板内置在草稿右侧，适合把原始转写进一步整理成更适合分享、发布或归档的文本结果。
会议模式适合线上会议、课程或演示场景，可查看会话目录、最近一次会议记录和系统声音相关状态。
个人热词页面适合维护姓名、产品名、项目代号和行业术语，让转写后的纠错更稳定。
权限页会集中展示应用运行所需的系统授权状态，方便首次安装和排障时快速检查。若你使用的是包含会议模式的版本，还会看到与系统音频相关的授权项。
录音时会在光标附近显示药丸形浮层，红色圆点 +「Recording…」表示正在录音，转写时显示「转写中…」，不挡鼠标操作。
当你打开 录音草稿 后，可以点击底部的 AI转换，在草稿右侧展开一个内嵌 AI 面板，直接对当前草稿内容做进一步整理。
当前默认提供 3 个基础转换：
- 去除口语：删掉语气词、重复词和口头禅，把口语内容整理成更自然的书面表达
- 转为字幕：将当前草稿整理为标准
SRT字幕格式，默认按文本量自动估算时长 - 转为MD：把草稿内容整理成结构清晰的 Markdown 笔记
说明：
- 每个转换都带有可编辑的默认提示词，支持本地保存和重置
- 生成结果会显示在右侧面板下半区，可直接 清空 / 复制 / 重新生成
- 当前这 3 个只是第一批基础能力，后续还会继续增加更多 AI 转换模板
从托盘菜单点击 「偏好设置…」 可打开图形化设置窗口，无需手动修改配置文件即可完成常用设置。
| 分页 | 功能 |
|---|---|
| General | 热键（右 Command / 右 Option / Fn / F13 等）、触发方式（按一次开关 / 按住录音）、录音模式、麦克风输入源、简繁转换 |
| Recognition | 识别引擎选择、本地 / 云端识别切换、语言相关设置 |
| Models | 本地模型状态、下载 / 重新下载、模型目录打开入口，以及相关模型配置 |
| Vocabulary | 个人热词、纠错开关、纠错提示词、API Key、本地词表入口 |
| Meetings | 会议模式状态、会话落盘目录与最近一次会议记录 |
| Permissions | macOS 权限状态、「打开设置」跳转与授权恢复提示 |
| Logs | 热键测试、运行日志、模型下载输出；完整版本还会包含会议排障相关信息 |
设置页把原本分散的选项收拢到了同一个窗口里。现在录音相关配置也更直观：先选 录音模式，再在需要时选择 麦克风输入源。保存后会立即写入本地设置；权限项会显示当前是否已授权，模型页也可以直接打开模型所在文件夹。
如果你希望记录线上会议、课程或演示中的完整对话，推荐在 General 页选择 桌面音频 + 麦克风（会议）。
录音模式负责决定整体录音策略麦克风输入源只在模式包含麦克风时出现，用于选择你的发言输入设备- 会议模式会同时采集桌面系统声音与麦克风声音，并尽量按来源输出为“对方 / 我”
- 会议模式支持持续分段采集、持续分段转写、持续落盘
会议模式的落盘内容会写入本机 meeting-sessions/ 目录，包含：
session.jsontranscripts.jsonlmerged_transcript.mdsegments/*.wav
用途：
- 降低人名、产品名、项目代号、内部术语这类高频专有词被识别错的概率
- 在本地 SenseVoice 或 Groq Whisper 完成转写后，再做一次轻量文本修正
- 不改动录音流程，仍然保持「录音 -> 转写 -> 粘贴」的即时体验
配置位置：
- 托盘菜单 「偏好设置…」 ->
Vocabulary - 打开 Enable correction
- 在 Model 中填写或保留默认的
GLM-4-Flash-250414 - 在 API key 处填写智谱 BigModel API Key；右侧
API Keys按钮可直接跳转申请页面 - 在 Personal Vocabulary 中按行填写热词，然后点击 Save Changes
补充说明：
- 为避免泄露，仓库与发布包不内置 API Key，需要用户自行申请并配置
- BigModel API Key 申请页：https://bigmodel.cn/usercenter/proj-mgmt/apikeys
GLM-4-Flash-250414是智谱官方文档标注的免费模型，适合先用来体验热词纠错能力： 模型文档 / 模型概览- 关闭 Enable correction 时，Open Flow 只使用原始 ASR 结果，不会调用大模型纠错
- 个人词表保存在本机
~/Library/Application Support/com.openflow.open-flow/personal_vocabulary.txt
Open Flow 需要以下权限才能完整工作。首次启动后请依次在系统设置中开启：
| 权限 | 路径 | 用途 |
|---|---|---|
| 麦克风 | 隐私与安全性 → 麦克风 | 录制语音 |
| 辅助功能 | 隐私与安全性 → 辅助功能 | 监听全局热键、注入文本 |
| 输入监控 | 隐私与安全性 → 输入监控 | 监听全局热键 |
| 屏幕录制 | 隐私与安全性 → 屏幕录制 | 仅在使用会议模式 / 系统音频采集时需要 |
说明：如果你使用的是当前的
Mac App Store精简版，一般只需要麦克风、辅助功能和输入监控三项权限，不需要屏幕录制。排查提示：若不确定授权是否生效，可在托盘 「偏好设置…」 的权限页查看状态，或查看日志：
tail -f ~/Library/Application\ Support/com.openflow.open-flow/daemon.log
从托盘菜单点击 「检查更新并升级...」：
- 应用会在后台检查 GitHub Releases 并下载最新安装包（不影响当前继续使用）
- 下载完成后，菜单项会变为 「重启以应用更新」
- 点击后会自动退出当前版本、替换 App，并重新打开新版本
如果已经是最新版本，会弹窗提示 「已是最新版本」。
| Open Flow | Wispr / Typeless / 闪电说 | |
|---|---|---|
| 开源 | ✅ MIT，完整代码可审计 | ❌ 闭源 |
| 本地模型 | ✅ 语音不离开本机 | 多为云端 |
| 性能 | ✅ Rust，~5 秒音频约 83ms 转写 | 各异 |
| 可定制 | ✅ 热键、模型、输出方式 | 受限 |
我们相信只有开源才能让更多人参与：查看实现、修改行为、接入自己的模型、提交改进。Open Flow 是「热键 → 录音 → 本地转写 → 自动粘贴」的开源实现。
| 方向 | 说明 |
|---|---|
| 性能 | Rust 实现，M3 Pro 实测约 5 秒音频可在约 83ms 内完成转写，适合常驻后台使用 |
| 开源 | MIT 协议，完整代码可审计、可 fork、可修改，也更适合社区协作维护 |
| 隐私 | SenseVoiceSmall 可完全本地运行，无需云端 API，语音可保留在本机 |
| 可扩展 | 支持热键、模型、词表、会议模式、AI 转换等多种可配置能力 |
- 在 Cursor、VS Code、终端、浏览器中用语音代替打字
- 中英混合，自动标点
- 转写结果写入剪贴板并自动粘贴（macOS 可选 CGEvent 模拟打字），可随时再次粘贴
- 菜单栏托盘图标（灰/红/黄），录音时可选浮动指示器（光标旁「录音中…」「转写中…」）
- 可配置热键（右 Command / Fn / F13）、触发模式（按一次开关 toggle / 按住录 hold）、简繁转换（简→繁 / 繁→简）
- 可选本地 SenseVoice 或 Groq Whisper 云端识别；可切换模型预设（quantized / fp16）
- Vocabulary 词库页：集中管理个人热词、纠错模型、API Key 与本地词表文件
- 可选 BigModel 轻量纠错：结合个人热词，对转写结果做二次修正，改善专有名词、产品名与项目代号的识别结果
- GitHub 开源版提供 桌面音频 + 麦克风（会议） 模式，可同时采集系统声音与麦克风输入
- GitHub 开源版提供 持续分段会议转写，适合长会议记录与会后复盘
- GitHub 开源版提供 录音草稿 AI 转换面板，可在草稿右侧直接做文本整理、字幕生成和 Markdown 整理
- macOS：托盘菜单「偏好设置…」可打开图形化设置界面，集中管理热键、词库、识别引擎、模型、权限与日志
- macOS：托盘菜单支持自动更新（后台下载，下载完成后点击重启应用更新）
| 平台 | 安装方式 | 托盘图标 | 自动粘贴 |
|---|---|---|---|
| macOS Apple Silicon（M1/M2/M3） | 一键安装 / .app 下载 | ✅ | ✅ osascript |
| macOS Intel | 从源码构建 | ✅ | ✅ osascript |
| Linux（X11） | Releases / 从源码构建 | — | ✅ xdotool |
| Linux（Wayland） | 从源码构建 | — | ✅ wtype |
| Windows | Releases / 从源码构建 | — | 剪贴板（需手动 Ctrl+V） |
# 一键安装 GitHub 开源版（Apple Silicon 预编译包，首次自动下载 ~230MB 模型）
curl -sSL https://raw.githubusercontent.com/jqlong17/open-flow/master/install.sh | sh
# 启动（后台运行，可随时关掉终端）
open-flow start首次运行会从 Hugging Face 按当前预设自动下载模型（默认 quantized）。支持两种预设，首次使用对应预设时都会自动下载：
- quantized（默认）：~230MB，体积小
- fp16：~450MB，更高精度，来自 ruska1117/SenseVoiceSmall-onnx-fp16，需手动切换
切换为高精度：open-flow model use fp16（若未下载会先自动拉取）；列出预设：open-flow model list。菜单栏灰色圆点即就绪，按右侧 Command 录音，再按一次转写并粘贴。
或下载 GitHub 版 .app（双击即运行）：前往 Releases 页面下载最新的 macOS 安装包，解压后将 Open Flow.app 拖入「应用程序」。运行后点击菜单栏托盘图标，选择 「偏好设置…」 即可打开图形化设置界面。
如果你更希望直接安装签名完成、开箱即用的精简版本，也可以选择 Mac App Store 版；如果你不想购买商店版，依然可以从本仓库自行构建。
安装提示（macOS）：如果首次双击时被系统拦截，或提示“无法打开 / 无法安装”，请前往 系统设置 → 隐私与安全性，在页面底部点击 仍要打开，然后重新启动一次应用。
Linux 版支持 系统托盘（通知区域图标显示待机/录音/转写状态，右键可退出；需安装 libappindicator）。可选：一键安装预编译包，或从源码构建。
一键安装（预编译，x86_64）
mkdir -p ~/.local/bin && curl -sSL https://github.com/jqlong17/open-flow/releases/latest/download/open-flow-x86_64-unknown-linux-gnu.tar.gz | tar -xzf - -C ~/.local/bin && chmod +x ~/.local/bin/open-flow && (grep -q '.local/bin' ~/.bashrc 2>/dev/null || echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc) && echo '安装完成。执行 source ~/.bashrc 或重新打开终端，然后运行: open-flow start --foreground'安装后运行 open-flow start --foreground，首次会自动下载 ~230MB 模型。热键为 右侧 Alt 键；粘贴需安装 xdotool（X11）或 wtype（Wayland）。托盘需安装 libappindicator（见下方从源码构建）。
从源码构建（需先安装系统依赖与 Rust）
# Ubuntu / Debian：系统依赖（含托盘：libappindicator）
sudo apt install libasound2-dev xdotool libappindicator3-dev # 或 libayatana-appindicator3-dev；X11 粘贴用 xdotool，Wayland 用 wtype
# 安装 Rust（已安装可跳过）
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh && source ~/.cargo/env
# 克隆并编译
git clone https://github.com/jqlong17/open-flow.git && cd open-flow
cargo build --release
sudo cp target/release/open-flow /usr/local/bin/注意：Linux 上全局热键监听需要读取输入设备权限。如遇权限不足，将当前用户加入
input组：sudo usermod -aG input $USER（重新登录后生效）。
Windows 版支持 系统托盘（任务栏右侧图标显示待机/录音/转写状态，右键可退出）。转写结果会写入剪贴板，需在目标窗口按 Ctrl+V 粘贴。
一键安装（PowerShell，预编译）
$url = "https://github.com/jqlong17/open-flow/releases/latest/download/open-flow-x86_64-pc-windows-msvc.zip"; $dir = "$env:LOCALAPPDATA\Programs\open-flow"; New-Item -ItemType Directory -Force -Path $dir | Out-Null; Invoke-WebRequest -Uri $url -OutFile "$dir\open-flow.zip" -UseBasicParsing; Expand-Archive -Path "$dir\open-flow.zip" -DestinationPath $dir -Force; Remove-Item "$dir\open-flow.zip"; $path = [Environment]::GetEnvironmentVariable("Path", "User"); if ($path -notlike "*$dir*") { [Environment]::SetEnvironmentVariable("Path", "$path;$dir", "User"); Write-Host "已把 $dir 加入 PATH。" }; $env:Path = [Environment]::GetEnvironmentVariable("Path", "User") + ";" + [Environment]::GetEnvironmentVariable("Path", "Machine"); Write-Host "安装完成。本窗口可直接运行: open-flow.exe start --foreground"安装完成后当前窗口即可运行 open-flow.exe start --foreground；新开的终端也会自动识别命令。首次运行会自动下载约 230MB 模型。Windows 默认热键为 右侧 Win 键（旧配置也会自动兼容）；若需要，也可改成 右侧 Alt。转写结果在剪贴板，在任意输入框按 Ctrl+V 粘贴。
Windows / Linux 远程排障建议
如果启动、热键、录音或音频设备有问题，请优先执行：
open-flow support或 Windows 上：
.\open-flow.exe support它会输出当前可执行文件路径、配置路径、音频输入设备列表，以及 daemon.log 的最近日志。把这段输出直接发给维护者，远程排查会快很多。欢迎大家提交 Issue，也欢迎直接提 PR 一起完善 Windows / Linux 体验。
Windows / Linux 模型下载兜底
如果默认的 Hugging Face 下载超时，Open Flow 现在会自动依次尝试官方源和 https://hf-mirror.com。如果你的网络环境比较特殊，也可以手动指定下载源：
$env:OPEN_FLOW_HF_MIRROR = "https://hf-mirror.com"
open-flow.exe setup$env:OPEN_FLOW_MODEL_BASE_URL = "https://hf-mirror.com/haixuantao/SenseVoiceSmall-onnx/resolve/main"
open-flow.exe setup$env:OPEN_FLOW_MODEL_BASE_URLS = "https://your-mirror.example.com/haixuantao/SenseVoiceSmall-onnx/resolve/main,https://huggingface.co/haixuantao/SenseVoiceSmall-onnx/resolve/main"
open-flow.exe setup如果远程下载仍不稳定，也可以把模型放到自定义目录，然后显式指定：
open-flow.exe setup --model-dir D:\open-flow-models\sensevoice-small
open-flow.exe start --foreground --model D:\open-flow-models\sensevoice-smallWindows 默认的量化模型目录通常是 %APPDATA%\openflow\open-flow\data\models\sensevoice-small。
从源码构建（需先安装 Rust）
git clone https://github.com/jqlong17/open-flow.git
cd open-flow
cargo build --release
# 二进制在 target\release\open-flow.exe，可加入 PATH 或复制到常用目录Open Flow 的核心链路可以理解为：
flowchart LR
A["Hotkey / Tray"] --> B["Daemon"]
B --> C["Audio Capture"]
C --> D["ASR Provider"]
D --> E["Text Processing"]
E --> F["Clipboard / Paste / Draft Panel"]
D --> G["Meeting Sessions"]
E --> H["LLM Correction / AI Transform"]
I["Settings App"] --> B
I --> J["config.toml / vocabulary / prompts"]
| 模块 | 说明 |
|---|---|
src/daemon |
常驻主流程，协调录音、转写、输出、会议模式和日志 |
src/audio |
麦克风与音频流处理 |
src/system_audio |
macOS 系统声音采集相关能力 |
src/meeting_notes |
会议分段、会话目录与合并稿落盘 |
src/llm |
大模型纠错与草稿 AI 转换 |
src/draft_panel |
录音草稿面板 |
settings-app |
SwiftUI 设置应用与系统音频 helper |
src/common/config.rs |
配置结构与默认值 |
从源码构建（需 Rust）：
git clone https://github.com/jqlong17/open-flow.git
cd open-flow
cargo build --release本地前台运行：
cargo run -- start --foreground本地构建 macOS App：
./scripts/build-app.sh| 脚本 | 作用 |
|---|---|
scripts/build-app.sh |
本地构建并安装 macOS App |
scripts/release.sh |
打包并上传 GitHub Release |
scripts/setup-notary-profile.sh |
配置 notarization 所需 profile |
./scripts/build-app.sh会构建 dist/Open Flow.app 并安装到 /Applications/Open Flow.app。
./scripts/release.sh如果需要正式的 macOS 发布链路，需先配置 notarization 凭据：
./scripts/setup-notary-profile.sh
OPEN_FLOW_NOTARY_PROFILE=openflow-notary ./scripts/release.sh如果只是内部分发测试包，也可以临时使用：
OPEN_FLOW_ALLOW_UNNOTARIZED_RELEASE=1 ./scripts/release.sh但这种包不适合作为正式对外下载版本。
Open Flow 现在包含一套面向开发调优的性能日志能力，用来记录语音链路中的关键性能指标，例如：
- 录音时长、样本数、ASR 耗时、LLM 修正耗时、输出耗时、端到端总耗时
- 进程级 CPU / RSS / VSZ 快照
- 空录音、低振幅、ASR 失败等异常路径
- 按 session 持久化保存，便于后续复盘和持续优化
这部分能力的日志落盘本身可以通过配置项启用，但设置界面里的开发者性能入口默认不会出现在正式构建里。我们专门把它做成了编译期开关，方便协作者本地调试，同时避免误发布给最终用户。
本地开启开发者性能 UI：
OPENFLOW_PERF_DEV_UI=1 ./scripts/build-app.sh说明：
OPENFLOW_PERF_DEV_UI=1时，设置页Logs中会显示 Performance Logging 开发模块- 不设置这个环境变量时，相关开发 UI 不会被编译进设置应用
./scripts/release.sh已强制使用OPENFLOW_PERF_DEV_UI=0，因此正式发布默认不会带上这个开发者入口- 性能日志文件保存在本机：
~/Library/Application Support/com.openflow.open-flow/performance/
| 命令 | 说明 |
|---|---|
open-flow start |
后台启动（默认，无需保持终端） |
open-flow start --foreground |
前台启动（终端保持，可看日志） |
open-flow stop |
停止 daemon |
open-flow status |
状态、PID、日志路径 |
open-flow setup |
手动下载模型 |
open-flow transcribe --file <wav> |
转写单个音频文件 |
open-flow test-hotkey --cycles 3 |
自动化热键测试 |
排查热键：RUST_LOG=info open-flow start 可输出 [Hotkey] 日志，便于确认按键与录音状态。
自动化热键测试：终端 1 运行 RUST_LOG=info open-flow start，终端 2 运行 open-flow test-hotkey --cycles 3，可自动模拟多轮「按 Command 开始 → 等 3s → 按 Command 停止 → 等转写」，对照终端 1 的 [Hotkey] 日志排查问题。
docs/ARCHITECTURE.md — 知识索引与系统架构：平台矩阵、Daemon/CLI/ASR、托盘与热键解耦、配置与发版
两种预设均从 Hugging Face 拉取，配置了对应预设后首次启动或执行 open-flow model use <预设> 时会自动下载，无需手动下载。
| 预设 | 说明 | 体积 | Hugging Face |
|---|---|---|---|
| quantized（默认） | 量化版，体积小 | ~230MB | haixuantao/SenseVoiceSmall-onnx |
| fp16 | 高精度，非量化 | ~450MB | ruska1117/SenseVoiceSmall-onnx-fp16 |
切换预设：open-flow model use fp16；列出预设：open-flow model list。
欢迎 fork、提 issue、提交 PR，一起把开源语音输入体验做得更好。
提交 PR 前，请先阅读：
其中会明确说明：贡献到本仓库的内容，可被项目用于开源分发，也可用于包括 App Store 在内的付费分发。
MIT，见 LICENSE。