MVoiceInput

MVoiceInput 是一个基于 Swift Package Manager 构建的 macOS 菜单栏语音输入应用。它支持按住 Fn 录音、实时语音转文字、可选 LLM 保守纠错，以及将文本稳定注入到当前聚焦输入框，适合在聊天、文档、浏览器和 IDE 中快速输入中文或多语言内容。

项目定位

如果你想找的是这类工具，这个仓库就是：

• macOS 语音输入工具
• 菜单栏语音转文字应用
• 按住 Fn 说话、松开即输入
• 支持中文、英文、日语、韩语的语音输入
• 支持 OpenAI-compatible API 的语音识别纠错
• 不依赖 Xcode 工程，直接用 SwiftPM 构建 .app

核心特性

• 菜单栏常驻：LSUIElement 运行，无 Dock 图标，适合常驻后台。
• Fn 按住说话：按下开始录音，松开结束转写，尽量减少打断感。
• 实时转写反馈：录音时显示底部胶囊悬浮窗，动态展示实时文本和波形。
• 多语言支持：内置英语、简体中文、繁体中文、日语、韩语。
• 可选 LLM 保守纠错：只修复明显识别错误，不做润色、扩写或改写。
• 稳定文本注入：通过剪贴板加 Cmd+V 注入文本，并尽量恢复原剪贴板与输入法状态。
• 权限中心：集中展示麦克风、语音识别、辅助功能、输入监控、事件注入等权限状态。
• SwiftPM 构建：可直接 make build、make install 生成并安装 .app。

适用场景

• 在 macOS 上做中文语音输入
• 用语音快速回复 IM、邮件、文档或工单
• 需要菜单栏常驻、轻量、低打扰的语音输入方案
• 希望在本地实时转写基础上，再接一个保守型 LLM 纠错层
• 想参考一个基于 AppKit + SwiftPM 的 macOS 菜单栏应用实现

系统要求

• macOS 14+
• Apple Command Line Tools 或完整 Xcode
• 麦克风权限
• 语音识别权限
• 辅助功能权限
• 输入监控权限
• 事件注入权限

快速开始

1. 构建

make build

构建完成后，产物位于：

dist/MVoiceInput.app

2. 安装

make install

默认会安装到：

~/Applications/MVoiceInput.app

3. 运行

open ~/Applications/MVoiceInput.app

首次启动后，如果权限未完整授予，应用会自动弹出权限中心引导配置。

使用方式

1. 启动应用并授予必要权限。
2. 在菜单栏中确认当前识别语言。
3. 把输入焦点切到目标应用的文本框。
4. 按住 Fn 开始录音。
5. 说话时会看到底部悬浮窗显示实时转写和波形。
6. 松开 Fn 后应用会结束识别，并把最终文本注入到当前输入位置。

LLM 保守纠错

项目支持可选的 OpenAI-compatible /chat/completions 接口，用于在本地转写结果基础上做非常保守的纠错。

特点：

• 只修复明显语音识别错误
• 不做润色、不重写、不总结
• 输入基本正确时原样返回
• 兼容常见 OpenAI-compatible 服务

可在设置窗口中配置：

• API Base URL
• API Key
• Model
• Test
• Save

常用命令

make test
make build
make run
make install
make clean
make reset-permissions

说明：

• make test：运行核心逻辑自定义测试器
• make build：构建并组装 .app
• make run：构建后直接启动应用
• make install：安装到 ~/Applications
• make reset-permissions：重置该应用的系统 TCC 权限记录

项目结构

Sources/
  VoiceInputCore/                纯逻辑模块：语言、设置、波形、LLM 协议
  VoiceInputCoreTestRunner/      自定义测试执行器
  VoiceInputMenuBar/
    App/                         应用协调、权限协调、主菜单
    MenuBar/                     菜单栏状态项
    Overlay/                     悬浮窗与波形视图
    Permissions/                 权限中心窗口与视图
    Services/                    Fn 监听、语音识别、文本注入、LLM refine
    Settings/                    设置窗口与表单
Support/
  Info.plist                     App bundle 元信息
Makefile                         构建、安装、测试脚本

技术实现摘要

• AppKit：菜单栏应用、窗口与系统集成
• SwiftUI：设置页与权限中心界面
• AVAudioEngine：录音输入
• Speech：实时语音识别
• CoreGraphics Event Tap：全局 Fn 监听与拦截
• Carbon TIS：输入法切换与恢复
• Swift Package Manager：工程组织与构建

权限说明

为了实现“按住说话并把文本注入当前输入框”，应用需要多个系统权限协同工作：

• 麦克风：采集语音
• 语音识别：实时转文字
• 输入监控：更稳定地监听全局 Fn
• 辅助功能：允许跨应用交互
• 事件注入：发送 Cmd+V 完成文本注入

如果任何一项权限缺失，应用会在启动或录音前引导你补齐。

已知限制

• 当前只支持 macOS 14 及以上版本。
• 该仓库主要面向 Apple Silicon 本机构建流程，构建产物路径默认使用 SwiftPM 当前输出布局。
• 文本注入依赖系统权限和前台应用状态，受目标应用安全策略影响。
• Fn 监听在不同硬件、输入法和系统设置组合下，系统行为可能存在差异，项目已做多层兜底但无法承诺所有环境完全一致。

SEO 关键词

为了方便 GitHub、搜索引擎和站内检索，这个项目重点覆盖以下关键词：

• macOS 语音输入
• macOS 语音转文字
• macOS 菜单栏应用
• Fn 语音输入
• Swift 菜单栏应用
• SwiftPM macOS app
• OpenAI-compatible speech refinement
• 中文语音输入工具

许可证

当前仓库未附带单独 LICENSE 文件。如需开源分发，建议补充明确许可证。