Whisper Input

Whisper Input 是受到即友FeiTTT启发做的一个简单的 python 代码。可以实现按下 Option 按钮开始录制，抬起按钮就结束录制，并调用 Groq Whisper Large V3 Turbo 模型进行转译，由于 Groq 的速度非常快，所以大部分的语音输入都可以在 1-2s 内反馈。并且得益于 whisper 的强大能力，转译效果非常不错。

功能

功能	快捷键
多语言语音转译	Option 或者 Alt
中文翻译为英文	Shift + Option 或者 Shift + Alt

查看视频效果演示

重点：Groq 只要注册，就提供一定的免费用量，并且在我们这个使用场景下免费已经完全够用了！

🧐 当然，如果你在国内使用，并且无法访问 Groq 或者无法获得 Groq API，也欢迎反馈。因为我过去还做了一个 Groq 的 Whisper 代理池，理论上可以免费提供相对比较大的并发以及日常使用。但这需要你来单独申请，我会根据大家的需求考虑在后续的代码更新里添加对应的支持

使用方法

1. 注册 Groq 账户：https://console.groq.com/login

2. 复制 Groq 免费的 API KEY：https://console.groq.com/keys

3. 打开 终端 ，进入到想要下载项目的文件夹

   git clone git@github.com:ErlichLiu/Whisper-Input.git

4. 创建虚拟环境 【推荐】

   python -m venv venv

5. 重命名 .env 文件

   cp .env.example .env

6. 粘贴在第 2 步复制的 API KEY 到 .env 文件，效果类似

   GROQ_API_KEY=gsk_z8q3rXrQM3o******************8dQEJCYz3QTJQYZ

7. 在最好不需要关闭的 终端 内进入到对应文件夹，然后激活虚拟环境

   # macOS / Linux
   source venv/bin/activate
   
   # Windows
   .\venv\Scripts\activate

8. 安装依赖

   pip install -r requirements.txt

9. 运行程序

   python main.py

🎉 此时你就可以按下 Option 按钮开始语音识别录入啦！

Tips

由于这个程序需要一直在后台运行，所以最好找一个自己不会经常下意识关掉的终端或者终端里的 Tab 来运行，不然很容易会不小心关掉。

关注作者个人网站，了解更多项目: https://erlich.fun

未来计划

[✅] 多语言转译功能

[✅] 中文或多语言转译为英文

[ ] 标点符号支持

[ ] 添加 Agents，或许可以实现一些屏幕截图，根据上下文做一些输入输出之类的

如果你也有想法： 欢迎 Fork 和 PR，如果你在使用当中遇到问题，欢迎提交 Issue。

更新日志

2025.01.12

1.增加了一个延迟 0.5s 的触发，方便在一些快捷键需要用到 Option/Alt 按钮时不会被误触 2.重构代码

2025.01.11

1. 支持快捷键按下后的状态显示【正在录音、正在转译/翻译、完成】
2. 支持多语言语音转换为英文输出

2025.01.10

1. 支持基本的快捷键语音转文字输入

协议

遵循 MIT 协议