聲成文 VoxProse

Windows 本機優先 AI 語音輸入：說話 → Whisper 辨識 → 可選 AI 潤飾／翻譯 → 直接輸入目前視窗。

自然開口，清楚成文。

下載最新版 · 安裝與模型下載 · English

VoxProse 是一套只專注 Windows 10/11 的語音輸入工具。按住或切換全域快捷鍵開始說話，程式用本機 Faster-Whisper（或你自行選擇的雲端 STT）轉成文字；需要時再交給 LLM 做潤飾、格式整理或翻譯，最後把結果送回目前有輸入焦點的應用程式。

它適合希望「少打字、多說話」，但仍想保留本機辨識、可控雲端服務與自訂輸出格式的人。

主要特色

• 在任何程式說話打字：LINE、瀏覽器、Office、聊天工具或其他有輸入焦點的視窗都能使用。
• 本機 Whisper 優先：預設可使用 Faster-Whisper，在 CPU 或 NVIDIA CUDA 上執行。
• 可選雲端辨識：自備 API key 使用 Groq、Gemini 或 OpenRouter STT。
• 可選 AI 潤飾與翻譯：辨識後再用 Ollama 或 OpenAI、Claude、Gemini、OpenRouter 等 LLM 整理文字。
• 三層式文字風格系統：Base（基底）＋ Scenario（情境）＋ Format（格式），讓相同語音依工作場合輸出不同風格。
• 依前景程式切換情境：例如 Outlook 自動套用商務回應、LINE 套用較口語的情境；此功能預設關閉。
• PTT、Toggle 與全時模式：可按住說話、按一下開關，或用 RMS／Silero VAD 自動偵測語音。
• 詞彙記憶與診斷：記住常用專有名詞，並可匯出已移除 API key 的診斷包協助除錯。

下載

前往 Latest Release。目前正式發佈提供兩種 Windows 可攜 ZIP：

套件	適合對象
ShengChengWen-Windows-Lite-*.zip	CPU 使用者，或希望先下載較小套件；不含 CUDA 與 Whisper 模型
ShengChengWen-Windows-NoModel-*.zip	NVIDIA GPU 使用者；含 CUDA 執行環境，不含 Whisper 模型

使用方式：

1. 下載適合的 ZIP 並解壓縮到簡單路徑，例如 D:\VoxProse。
2. 執行 VoxProse.exe。
3. 首次啟動依畫面下載或選擇語音模型。
4. 設定快捷鍵後，把游標放在要輸入的程式，按快捷鍵說話即可。

Release 同時提供 .sha256 校驗檔。發行檔目前未使用 Authenticode 程式碼簽章，因此 Windows SmartScreen 可能顯示未知發行者；請只從本 repo 的 Releases 下載，必要時核對 SHA-256。

從原始碼／安裝腳本使用

若不使用 Release ZIP，可下載本 repo 後執行 setup_win.bat。它會建立本機 Python 環境、安裝依賴，並依 NVIDIA GPU 條件處理 CUDA。

git clone https://github.com/SanHsien/voxprose.git
cd voxprose
setup_win.bat

請避免放在 C:\Program Files 等受保護目錄。模型下載或權限問題見 安裝與模型下載教學。

工作流程

全域快捷鍵／VAD
      ↓
錄音
      ↓
本機 Faster-Whisper 或選用雲端 STT
      ↓
（可選）LLM 潤飾／情境／格式／翻譯
      ↓
貼回目前有輸入焦點的 Windows 應用程式

辨識完成後可以直接輸出；若啟用 AI 潤飾，文字會先依目前選定的情境與格式處理，再送回前景視窗。

AI 與隱私邊界

「本機優先」不代表所有模式都永遠離線；實際資料流由你選擇的引擎決定：

選擇	資料流
本機 Faster-Whisper	錄音在本機進行語音辨識
Groq / Gemini / OpenRouter STT	錄音會送到你選擇的雲端辨識服務
不啟用 AI 潤飾	辨識文字不再送往 LLM
Ollama 潤飾	LLM 處理可留在本機
OpenAI / Claude / Gemini / OpenRouter 等雲端 LLM	辨識文字與所需 prompt 會送到你選擇的供應商

雲端功能皆需由使用者自行設定相對應服務與 API key。若資料敏感，請使用本機 STT，並關閉雲端 LLM 或改用本機 Ollama。

常用功能畫面

辨識與 AI 設定

可選擇語音辨識引擎、Whisper 模型與文字潤飾引擎。

三層式文字風格

• Base：長期共用的基本寫作要求。
• Scenario：商務、社群、逐字稿等使用情境。
• Format：Email、正式文件、條列、社群貼文等輸出格式。

三層可以自由組合；也可選擇依目前前景程式自動套用 Scenario。

詞彙記憶

可手動加入專有名詞；系統也能依使用次數累積常用詞，供後續辨識提示使用。

系統需求

• Windows 10 / 11
• Python 使用者：支援 Python 3.10–3.14
• NVIDIA GPU 可使用 CUDA；沒有 NVIDIA GPU 也可使用 CPU
• 建議 16 GB 以上記憶體
• 模型與執行環境會占用數 GB 磁碟空間

開發與驗證

開發環境、Windows 已知相容性問題、測試、打包與 Release 實機驗證請見 docs/DEVELOPMENT.md。

基本測試：

python -m pytest tests/ -v

CI 會在 Windows runner 上測試 Python 3.10、3.11、3.12、3.13、3.14，並進行全 repo py_compile 與 pytest。真實麥克風、快捷鍵、CUDA、STT 模型與焦點輸入仍屬 Windows 實機驗證範圍。

文件

• 安裝與模型下載教學：一般使用者安裝與模型下載問題
• CHANGELOG.md：版本歷史
• docs/DEVELOPMENT.md：開發、測試、打包與 Windows 實機驗證
• docs/DECISIONS.md：設計與維護決策
• docs/UPSTREAM.md：上游同步紀錄
• NOTICE.md：來源、署名與第三方聲明

專案來源

VoxProse 是 jfamily4tw/voicetype4tw-mac 的 Windows-only fork，源自 VoiceType4TW／嘴炮輸入法的 win-stable Windows 線。原作者為 **Jimmy Chiou（吉米丘）**與 CC58TW，上游 Windows 專用版曾由 go-mask 維護；本 fork 由 SanHsien 以「聲成文 VoxProse」名稱持續維護。

完整來源與版本脈絡見 NOTICE.md 與 docs/UPSTREAM.md。本 fork 獨立維護，不代表上游專案立場。

授權

本專案採 MIT License。使用、修改或散布時請保留授權與必要署名；詳細來源見 NOTICE.md。