Skip to content
despriberPublic

About

会帮你改掉口头禅的语音输入工具:按住说话,本机识别 + 大模型润色;保留逐字原文,每日表达诊断、习惯卡与口语练习。Windows + Android。

Topics

Resources

Stars

3 stars

Watchers

0 watching

Forks

Latest commit

 

History

5 Commits

Folders and files

Repository files navigation

Umless:会帮你改掉口头禅的语音输入工具

简体中文 · English

Release Android Platform LINUX DO License: MIT Local first

按住说话,松开就是干净的文字;用得越久,你说话本身也越干净。

Umless 桌面端与 Android 端主界面(示例数据)

市面上的「语音输入 + 大模型润色」工具已经能把「嗯、那个、就是」从文字里删掉,但删掉的只是文字,说话的习惯还在。 Umless 多做了一件事:把你说的原话留在本机,算出口癖、重复、改口,每天给你一份表达诊断,用习惯卡和口语练习帮你把它们真正改掉。

原话(含口癖、重复、改口的高亮)与润色后写入的文字对比

为什么是 Umless

  • 输入和成长是一件事。 平时怎么用语音输入就怎么用,表达教练在后台用同一份逐字稿工作,不需要另外「练习模式」才有数据。
  • 中文优先。 内置「嗯、那个、就是、然后、其实、对吧……」等口癖词表,识别「不对、我是说、应该是」这类改口,重复判定考虑了「看看、谢谢」这样的正常叠词。
  • 评分可信、可复现。 流畅度和简洁度由本地规则算出(字符级 diff,只有被润色删掉的口癖才算数),逻辑性和清晰度才交给大模型;算法写在 spec/metrics.md 里,桌面端和 Android 端用同一批黄金样例验证。
  • 数据只在本机。 录音默认不保存,记录存在本机 SQLite,大模型用你自己的 OpenAI 兼容接口(本地 Ollama 也行),没有遥测。

表达教练的循环:每次说话 → 规则指标 → 每日诊断 → 习惯卡与练习

功能

日常输入:在任何应用里按住说话

聆听提示条的三个状态:正在聆听、润色中、已输入

  • 任意热键,按住说话。 默认 CapsLock(轻点仍是切换大小写),也可以录制任意单键或组合键,比如 Ctrl+Space、F8、右 Ctrl。
  • 本机识别。 默认 SenseVoice-Small(sherpa-onnx,CPU 即可,仓库内测试 RTF 约 0.04);也可以换成更准、带标点的 Qwen3-ASR,或云端接口。
  • 三档润色强度: 忠实(只去口癖、纠错、加标点)· 适度(再合并重复、理顺语序)· 重构(结论先行、可分段分点)。所有档位都不新增信息,数字、人名、否定、时间原样保留。
  • 按前台应用切换风格: 聊天、文档、代码、邮件四种场景,各自可以单独设强度;代码场景保留英文术语和标识符。
  • 术语表 帮助纠正专有名词;大模型超时或没配置时直接输出识别原文,不会卡住。
  • 不打扰: 屏幕底部的提示条不抢焦点、鼠标穿透,说完只提示「已输入」。
设置:大模型服务与润色强度 设置:按场景调整润色强度
自带大模型(预设 Ollama、DeepSeek、硅基流动、阿里百炼、智谱,或任意兼容接口)+ 三档强度 按前台应用自动切换场景,每个场景可单独设强度

表达教练:每天一份诊断

报告页:综合分与流畅、简洁、逻辑、清晰四项评分

  • 四项评分: 流畅度、简洁度来自本地规则;逻辑性、清晰度由大模型按固定标准给出。综合分 = 流畅 30% + 简洁 20% + 逻辑 25% + 清晰 25%。
  • 每日自动诊断前一天(也可以随时手动诊断今天):总结、做得好的地方、需要改进的问题(附原句证据和建议)、新发现的个人口头禅、反复识别错的术语(一键加入术语表)。
  • 对比学习: 从你当天说过的话里挑出几句,给出「原话 → 更好的说法 → 为什么」。

报告页:需要改进的问题与「原话 → 更好的说法」对比学习

习惯卡:把问题变成看得见的进度

习惯卡:起点、当前、目标与进度

诊断里可以量化的问题会自动变成习惯卡(最多 3 张同时进行):某个口癖的密度、重复、改口,或者逻辑性、清晰度。每张卡记录创建前 7 天的基线,目标是基线减半(或逻辑分 +1 档);最近 7 天达标且样本足够时自动标记为「已达成」。

口语练习:每天 5 道题

练习结果:五维评分、亮点、改进点、建议结构与示范表达

题目一部分根据你最近说过的内容出(项目、研究),一部分是通用场景(汇报、面试、讲解概念、观点表达),也可以自定义。限时 60 / 90 秒口述,从结构、逻辑、用词、流畅、简洁五个维度打分,给出亮点、改进点、建议结构和保留你原意的示范表达。

历史:每一句原话都标出来

历史页:原文中口癖、重复、改口高亮(浅色) 历史页(深色主题)
口癖、重复、改口、删改分色高亮,附识别与润色耗时 跟随系统深浅色;界面支持简体中文和 English

Android:一个完整的中文输入法

Umless 输入法(Android):概览、对比学习、键盘设置

Umless 输入法 基于 fcitx5-android,拼音、双拼等打字功能都来自上游,Umless 加上了语音输入和表达教练:

  • 长按空格说话,上滑取消;写入后可以一键换回「原话」或「撤销」。工具栏麦克风打开语音面板,适合长段口述。
  • 识别在手机本地运行(sherpa-onnx + SenseVoice,独立进程);润色用你自己的大模型,提示词与桌面端一字不差。
  • 密码框不触发语音,无痕输入框和黑名单应用(默认含常见密码管理器、银行与支付 App)照常输入但不记录。
  • 主 App 就是桌面端的同一套界面:概览、报告、练习、历史、设置。目前是测试版(arm64)。

工作原理

工作原理:按住说话 → 本机识别 → 场景识别 → 大模型润色 → 写入光标处;逐字稿存入本机 SQLite,供规则指标与每日诊断使用

桌面端(Python)和 Android 端(Kotlin)是两套独立实现,靠仓库里的 spec/ 保证结果一致:规则算法、常量、全部提示词都以 spec 为准,桌面端生成的黄金样例两端都要逐条通过,浮点数按 double 严格相等,不设容差。

样例 数量 覆盖内容
cases/metrics 63 口癖 / 重复 / 改口判定、高亮分段、difflib 复刻的边界情况
cases/scores 120 流畅度、简洁度、综合分、练习分、习惯卡、.5 取整边界
cases/asr 39 识别结果中英文大小写修正
cases/prompts 13 发给大模型的消息拼装(逐字节一致)

快速开始

安装与更新

Windows:在 Releases 下载 Umless-Setup-<版本>.exe 运行即可(安装到当前用户目录,不需要管理员权限)。 安装程序暂未做代码签名,Windows SmartScreen 提示「已保护你的电脑」时点「更多信息 → 仍要运行」。 不想安装可以下载 Umless-<版本>-portable.zip,解压后双击 Umless.exe。

  • 自动更新:安装版每天检查一次新版本(「设置 → 关于」可手动检查、关闭自动检查),有新版本时在主界面和托盘提示, 确认后自动下载、校验并安装,装完重新启动。免安装版和从源码运行只提示,需要手动下载新版本。
  • 更新只读取 GitHub Releases 上的更新清单,不上传任何数据。下载源可在「设置 → 通用 → 下载源」选择自动 / GitHub 直连 / 镜像(默认自动,先走 gh-proxy 镜像),并可测试连接。
  • 卸载不会删除 %APPDATA%\Umless 里的配置、记录和模型。

Android:Umless 输入法在 despriber/Umless-Android 发布(arm64 安装包), App 内可检查更新,也可以用 Obtainium 订阅该仓库。

发布流程(维护者)见 docs/releasing.md。

从源码运行(Windows)

cd desktop
uv sync
uv run umless download        # 下载 SenseVoice 模型(约 166MB,sha256 校验)
uv run umless doctor          # 检查模型、麦克风、LLM 连通性
uv run umless                 # 启动(托盘常驻),或双击 run-umless.cmd 无窗口启动

首次启动会打开新手引导:下载模型 → 配置大模型(可「测试连接」)→ 在输入框里试说 → 热键说明。 配置项、命令行与托盘状态见 docs/usage.md。

隐私

  • 识别与润色只连接你配置的地址:默认 ASR 在本机运行,默认 LLM 指向本机 Ollama(http://localhost:11434/v1);改成云端接口后,语音转写文本(以及每日诊断时前一天的记录)会发送给该服务商。没有遥测或统计上报。
  • 模型从 GitHub 官方 Release 下载(按下载源设置直连或经 gh-proxy 等镜像),下载后都用 sha256 校验。
  • 日志 %APPDATA%\Umless\umless.log 默认只记录字数与耗时;排查问题时设环境变量 UMLESS_DEBUG=1 才会写入识别原文与润色结果。
  • 应用黑名单(默认含密码管理器)里照常输入但不记录;可以暂停记录、设置保留天数,一键导出(JSON)或清空全部数据。
  • 开机自启默认关闭,可在引导页或设置里开启。

和同类项目比较

都是很好的项目,各有侧重。下表只列各项目 README 中写明的功能(截至 2026-11);「—」表示其 README 未提及,不代表一定没有。

Umless CapsWriter-Offline Type4Me OpenTypeless 说点啥 BiBi-Keyboard
平台 Windows · Android Windows macOS · iOS(测试中) Windows · macOS · Linux Android
内置本地识别模型 ✅ ✅ ✅(本地版) 可接本地 Whisper 兼容服务 ✅
大模型润色 ✅ ✅(LLM 角色) ✅ ✅ ✅
按应用切换写作风格 ✅ — ✅ ✅ —
热词 / 术语表 ✅ ✅ ✅ ✅ Pro 版
保存原文历史 ✅ ✅ ✅ ✅ ✅
边说边出字 ✗ — ✅ — —
翻译 / 语音指令改写 ✗ — ✅ ✅ ✅
音视频文件转录 命令行(无字幕) ✅(含字幕) — — —
口癖 / 重复 / 改口统计与评分 ✅ — — — —
每日表达诊断 · 习惯卡 · 口语练习 ✅ — — — —
许可证 MIT(Android 端 LGPL-2.1) MIT MIT MIT Apache-2.0

如果你主要需要流式出字、翻译或语音问答,上面几个项目做得更完整;如果你想在日常输入的同时把说话习惯改掉,这正是 Umless 要做的事。

路线图

下面是设计文档里明确列为「以后再考虑」的方向,还没有排期:

  • 边说边出字(目前等一句话说完、整段识别后再润色,因为润色需要完整上下文)
  • Android 端提供更多识别模型(手机上 Qwen3-ASR 太大,目前只有 SenseVoice)
  • Android 端上架 F-Droid
  • 桌面端前端迁移到 Tauri(前端是无构建步骤的原生 HTML/CSS/JS,可直接复用)

不打算做:双端数据同步、官方托管的云服务(与「数据只在本地」的原则冲突)。

技术栈

部分 用到的技术
语音识别 sherpa-onnx · SenseVoice-Small int8 · Qwen3-ASR-0.6B int8(桌面端可选)
桌面端 Python · pywebview(WebView2)· pystray · pynput · sounddevice · httpx · SQLite(WAL)· PyInstaller + Inno Setup
界面 无构建步骤的原生 HTML / CSS / JS,桌面端与 Android 端共用
Android Kotlin · fcitx5-android · AIDL 独立识别进程 · WebView
大模型 任意 OpenAI 兼容接口(Ollama、DeepSeek、硅基流动、阿里百炼、智谱……)
ASR 选型结论(12 条真实口语录音对比,详见 bench/)
模型 RTF(CPU) 内存 口癖保留 备注
SenseVoice-Small int8 0.044 ~500MB ✅ 默认;无标点,错字交给 LLM 修正
Qwen3-ASR-0.6B int8 0.35 ~3.3GB ✅ 最全 准确率与标点最好
Paraformer-zh int8 0.027 ~390MB ✅ 中英混说差,淘汰
Fun-ASR-Nano int8 0.16 ~1.6GB ⚠️ 超过约 27 秒截断,淘汰

开发

目录 内容
desktop/ Windows 桌面端(Python)
spec/ 两端共享的规则、常量、提示词与黄金样例
docs/ 设计文档、界面接口约定、发布流程
bench/ ASR 模型选型对比脚本
cd desktop
uv run pytest tests -q
uv run --with playwright python tools/ui_smoke.py

界面检查使用本机 Microsoft Edge 的无头模式与模拟后端,覆盖中英文、深浅色、主要页面和功能导览;截图与检查报告写入 desktop/.testhome/ui-smoke/,不读取个人配置和录音。实际麦克风、全局热键、提示音与跨应用粘贴需要在 Windows 桌面中试用。

README 里的截图同样来自模拟后端(固定种子的示例数据),用 uv run --with playwright --with imagequant python tools/readme_shots.py 重新生成。

设计文档:桌面端 · Android 端 · 界面接口 · 共享规范

许可证与致谢

本仓库代码以 MIT 许可发布;Android 端是 fcitx5-android 的分支,以 LGPL-2.1-or-later 发布,见 Umless-Android。

模型文件不随仓库分发,运行 umless download 时从 sherpa-onnx(Apache-2.0)的官方 Release 下载,使用时须遵守各自的原始许可:

  • SenseVoice-Small:FunASR Model License(FunAudioLLM / 阿里巴巴通义实验室,需保留署名)
  • Qwen3-ASR-0.6B:Apache-2.0(Qwen 团队)
  • bench/ 中用于对比的 Paraformer、Fun-ASR-Nano:以各自模型卡的许可为准

感谢 sherpa-onnx、FunAudioLLM / SenseVoice、Qwen3-ASR、fcitx5-android 与 Fcitx 社区、pywebview 等开源项目。

本项目认可并积极参与 LINUX DO 社区,欢迎在那里交流使用体验和建议。

交流社区:LINUX DO

About

会帮你改掉口头禅的语音输入工具:按住说话,本机识别 + 大模型润色;保留逐字原文,每日表达诊断、习惯卡与口语练习。Windows + Android。

Topics

Resources

Stars

3 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages