NoType

一个轻量的跨平台语音输入工具。按住快捷键说话，松开后文字直接打到光标位置。

现在支持两条识别链路：

• LLM 多模态识别（Gemini / Qwen）
• Doubao ASR（asr2api 网关模式 + 官方 API 模式）

功能

• 按住快捷键说话，松开后文字自动输入到当前光标位置
• 悬浮气泡跟随鼠标，实时显示录音/识别状态和转写结果
• 可编辑的提示词系统：角色指令 / 转录规则 / 专有词汇，在 app 里直接改
• 内置自动分段、数字格式化、符号口令、技术词汇校正等规则
• 系统托盘常驻，关闭窗口只是隐藏，不退出
• 快捷键可自定义（macOS 支持 Command 键）

支持的模型

厂商	模型	说明
阿里	qwen3.5-omni-flash	推荐日常使用，中文效果好，速度快
阿里	qwen3.5-omni-plus	质量最高，适合长段落和复杂场景
Google	gemini-3-flash	Gemini 3 系列，多语言
Google	gemini-3.1-flash-lite	更便宜，适合高频使用
豆包	doubao-asr	通过 asr2api 网关接入
豆包	doubao-asr-official-flash	官方极速版文件识别
豆包	doubao-asr-official-standard	官方标准版文件识别

推荐优先使用 Qwen3.5-Omni 系列，中文场景下识别效果明显更好。

快速开始

1. 从 Releases 下载安装
   • macOS：下载 .dmg，拖入 Applications
   • Windows：下载 .msi，双击安装
2. 启动后设置窗口自动弹出，填入 API Key
   • Qwen：去 百炼控制台 申请
   • Gemini：去 Google AI Studio 申请
   • Doubao asr2api：填写网关地址（默认 http://127.0.0.1:8000），可选网关 API Key
   • Doubao 官方：填写 App Key 和 Access Key
   • 使用 Doubao 时建议同时配置 Qwen 或 Gemini Key，用于第二阶段 LLM 实时后处理（未配置则退化为纯 ASR）
   • 若开启 Doubao 实时 WS 预览，需要本机 Python 环境安装 doubaoime-asr（见下文“Doubao WS 实时预览”）
   • 设置页已提供「一键安装依赖、初始化凭证并启动网关」按钮，会自动执行依赖安装、凭证初始化，并拉起本地 127.0.0.1:8000 网关服务
3. 按住快捷键说话（默认 Ctrl+.，macOS 建议改成 Cmd+.），松开后文字自动输入

应用常驻系统托盘，不用时不占前台。

提示词自定义

点击设置界面左上角的文档图标，可以编辑三个提示词模块：

• 角色指令：定义转录引擎的行为，比如改成"将中文翻译成英文"就变成了翻译模式
• 转录规则：控制标点、分段、数字格式化、符号口令等
• 专有词汇：添加你领域的术语校正表，比如 pie thon → Python

修改后点 Save 即时生效，不用重启。

工作原理

按住快捷键 → 麦克风实时分片录音（16kHz WAV）
  → ASR（Doubao / Gemini / Qwen）持续输出中间转写
  → （Doubao 模式）中间转写进入 LLM 实时后处理（语义修正/格式化/改口清理）
  → 松开按键后执行最终识别并输入到当前窗口

配置

除了界面配置，也支持环境变量：

export NOTYPE_API_KEY="your-key"
export NOTYPE_PROVIDER="qwen"   # 或 gemini / doubao
export NOTYPE_MODEL="qwen3.5-omni-flash"

# Doubao 可选配置
export NOTYPE_DOUBAO_BASE_URL="http://127.0.0.1:8000"
export NOTYPE_DOUBAO_API_KEY=""
export NOTYPE_DOUBAO_OFFICIAL_APP_KEY=""
export NOTYPE_DOUBAO_OFFICIAL_ACCESS_KEY=""
export NOTYPE_DOUBAO_POSTPROCESS="true"
export NOTYPE_DOUBAO_POSTPROCESS_PROVIDER="auto" # auto / qwen / gemini
export NOTYPE_DOUBAO_REALTIME_WS="true"
export NOTYPE_DOUBAO_IME_CREDENTIAL_PATH="~/.config/doubaoime-asr/credentials.json"
# 可选：指定 Python 解释器（默认 python3）
export NOTYPE_DOUBAO_PYTHON="python3"

配置文件位置：

• macOS：~/Library/Application Support/notype/config.toml
• Windows：%APPDATA%/notype/config.toml

参考 config.example.toml。

Doubao WS 实时预览

provider=doubao 且模型为 doubao-asr（asr2api 模式）时，可启用 WS 实时预览链路：

麦克风 PCM 分片 -> doubaoime-asr realtime -> 气泡实时粗转写 -> LLM 实时后处理

依赖安装示例：

pip install doubaoime-asr

说明：

• DOUBAO_IME_CREDENTIAL_PATH（NoType 内部会设置为配置项 doubao_ime_credential_path）指向 doubaoime-asr 的凭证文件。
• 一键配置后会自动启动本地 asr2api 网关，并在应用运行期间定时巡检，异常时自动尝试拉起。
• WS 桥接不可用、握手超时或中途异常时，会自动回退到当前已有的分片 ASR 实时预览，不影响按键松开后的最终识别流程。

项目结构

src-tauri/          Tauri 主应用（托盘、快捷键、气泡窗口）
src/                前端设置界面 + 气泡 UI（TypeScript）
crates/
├── notype-audio/   录音（cpal）+ WAV 编码（hound）
├── notype-llm/     Gemini / Qwen / Doubao 识别客户端
├── notype-input/   键盘模拟（enigo）
└── notype-config/  配置管理 + 提示词系统

本地开发

需要 Rust 和 Node.js 20+。

npm install
npx tauri dev       # 开发模式运行
cargo test          # 跑测试
cargo clippy        # 代码检查
npx tauri build     # 构建安装包

macOS 上首次运行需要授权麦克风和辅助功能权限。

技术栈

• Tauri v2 — 跨平台桌面框架
• cpal — 音频采集
• enigo — 键盘模拟
• reqwest — HTTP 客户端

License

MIT

感谢Linux.do社区 https://linux.do