Voltip 是我做的一个开源语音输入工具，能替代 Typeless 的日常听写：在任意软件里按住 Ctrl+Alt+Space 说话，松开以后，口头禅去掉、说错又改口的地方只留最后的说法，整理好的文字直接出现在光标处。

支持 Windows、macOS、Linux 和 Android，AGPL-3.0。识别可以纯本地离线跑，也能接 OpenAI、Groq、硅基流动、阿里云百炼或任意 OpenAI 兼容接口；Android 应用可以当电脑的麦克风和键盘。原生能力全在 Rust 里，这里记一下用到的 crate 和几处取舍，供做类似东西的朋友参考。

结构

一个 Rust workspace，加两个 Tauri 2 应用（桌面、Android），共用一套 React 界面。界面只显示状态、发命令，全局快捷键、音频、识别、文字插入、剪贴板、加密连接都在 Rust 里。依赖方向只允许向下：apps → core → {pairing, transport, identity} → {crypto, protocol}；中继 voltip-relay 只依赖 protocol，拿不到也不需要会话密钥。

Rust 到 webview 的通道按语义分：离散的状态变化走事件总线并折叠进一个 UiState；电平、进度这类连续流走 tauri::ipc::Channel，跟着发起它的 command 结束；事件总线不承载 30 Hz 以上的数据。

本地识别

• transcribe-cpp：跑 Qwen3-ASR 的 GGUF 模型，ggml 源码用 cmake 构建、静态链接。macOS 开 metal feature，Windows / Linux 的发布包开 vulkan feature（测试和 lint 的 gate 不开，因为要装 Vulkan SDK）。Windows 包在 Linux 上用 cargo-xwin 交叉编译到 x86_64-pc-windows-msvc。
• sherpa-onnx：跑 SenseVoice、Paraformer 和实时识别模型，用 shared feature 动态链接，不用 static：那组静态库会把 espeak-ng（GPL-3.0）链进来。
• rubato：整段重采样到 16 kHz 再交给 transcribe.cpp（它只收 16 kHz）。
• 模型下载断点续传，每个文件用之前校验 SHA-256。

音频

• cpal：麦克风枚举和输入（WASAPI / CoreAudio / ALSA / Android AAudio），电平计算是纯 DSP，可以脱离硬件测。
• rtrb：录音时音频回调往无锁的单生产者单消费者环形缓冲里推 16 kHz 单声道帧，解码线程取出；音频线程上不加锁、不分配内存。
• sonora：WebRTC AEC3 的纯 Rust 移植，用在「麦克风 + 电脑声音」混合录音时消除扬声器回声。选它而不是 aec3，是按实测的消除效果和依赖比较的结果；纯 Rust 也省掉了各平台的 C 工具链。
• opus-rs：libopus 1.6 的纯 Rust 移植，手机当麦克风时先压缩音频再传；Android 和 Windows 交叉编译都不用 C 工具链。

文字处理

• aho-corasick：个人词典（每个词条一个正确写法，加最多 10 个常被听错的写法）和字面替换规则的多模式匹配，本来就因为 regex 在依赖图里。
• ferrous-opencc：简繁转换，字典在构建时编译进二进制，约 2.3 MB，日文表不带。
• enigo + arboard：插入文字的办法是把文字放进剪贴板、模拟一次粘贴、再把剪贴板原来的内容放回去。目标窗口以管理员身份运行等粘贴不进去的情况，文字留在剪贴板里，悬浮窗说明原因，不会丢。

手机和电脑之间

• snow：Noise_XX_25519_ChaChaPoly_SHA256。配对时两端显示由握手哈希推出的安全码，人工核对一致才信任；已配对设备重逢时同样用 XX。
• 配对和连接的状态机写成 sans-IO：step(event) -> Vec<Action>，网络和时间由调用方注入，单元测试里能把超时、重放、频道被占这些路径走一遍。
• 设备之间只经中继（axum 的 WebSocket），中继只转发密文；协议帧用 ciborium（CBOR）编码，中继的控制帧是 JSON，方便排障。

其他

• axum：除了中继，还有 OpenAI 兼容的本机语音服务 /v1/audio/transcriptions（无头的 voltip-server 在没有桌面的 Linux 上跑同一套识别、词典和预设）。
• rmcp：本机 MCP 服务，让 Claude Code、Codex 读替换汇总、帮你整理词典；它新建的规则要用户确认才生效。
• keyring：服务商密钥和设备私钥存进系统钥匙串；rusqlite（bundled）存历史记录。
• 依赖全部用 = 锁定确切版本；Rust 行覆盖率门是 90%（cargo llvm-cov）。

不足也先说

• 还没有 iOS 版；纯 Wayland 会话没有全局快捷键，要在系统设置里自己绑；
• Windows 安装包还没做代码签名，第一次运行 SmartScreen 会提示；
• 每次都要按键说话，没有语音唤醒。

开源免费，官网：https://voltip.firlab.app/zh/ ，源码：https://github.com/sunerpy/voltip 。目前支持 Windows/Linux/macOS/Android 版本，欢迎使用，如果觉得有用可以动动小手给个 star，也欢迎来提 issue 和 PR。