PushToTalk 是一款面向 Windows 平台的高性能桌面语音输入工具,它基于国产大模型(豆包/千问)提供的实时自动语音识别(ASR)能力,实现了低延迟、高准确率的语音转文字功能,并进一步集成了大语言模型(LLM),支持在转写后进行智能润色、摘要或指令执行。用户只需按住 Ctrl + Win(或自定义快捷键)说话,松开后系统会自动将识别结果粘贴到当前光标所在的文本框,实现“按键即写”的流畅体验。
- PushToTalk开源项目官网网址:https://github.com/yyyzl/push-2-talk
- PushToTalk官方下载地址:https://github.com/yyyzl/push-2-talk/releases
该项目提供两种主要工作模式:
- 听写模式——传统的语音转文字,适用于会议纪要、文档撰写等场景;
- LLM 模式——在转写基础上调用大语言模型进行内容优化或生成,提升写作效率。
核心特性
一、双模式工作
1.听写模式 – 传统的语音转文字功能
- 按住模式:按住快捷键录音,松开停止(传统方式)
- 松手模式:按一次 F2 开始录音,再按一次结束(防止误停)
2. AI 助手模式 – 语音控制文本处理
- 无选中文本:Q&A 模式,提问获得答案
- 选中文本:语音命令处理文本(翻译、润色、总结、扩写等)
二、核心功能
- 实时流式转录 – WebSocket 边录边传,极低延迟(< 500ms),松手即出字
- LLM 智能后处理 – 内置”文本润色”、”邮件整理”、”中译英”等预设,支持自定义 Prompt
- 自定义快捷键 – 支持 73 种按键绑定(修饰键、字母、数字、功能键、方向键等)
- 多 ASR 引擎 – 支持阿里云 Qwen、豆包 Doubao、SiliconFlow SenseVoice
- 智能兜底 – 主引擎失败时自动切换到备用引擎,并行竞速
- 可视化反馈 – 录音状态悬浮窗,实时波形显示,三种视觉状态
- 音频反馈 – 录音开始/结束的清脆提示音,盲操也放心
- 历史记录 – 自动保存转录历史,支持搜索、复制、清空
- 系统托盘 – 支持最小化到托盘、开机自启动
- 自动更新 – 内置 6 个镜像源,自动检查并安装更新
- 多配置管理 – 支持保存多套 LLM 预设,通过界面快速切换不同场景
PushToTalk 采用纯本地运行的设计,数据不上传云端,兼顾隐私安全;同时提供开箱即用的二进制发布和源码编译指南,方便开发者二次开发或自行部署。项目在开源社区获得了积极反馈,用户可通过 GitHub 提交 Issue 或 Pull Request 参与改进。
PushToTalk 将语音识别、语言模型与快捷键交互深度融合,为 Windows 用户提供了一站式的语音输入解决方案。
数据统计
相关导航
秒言是一款AI语音输入法,致力于打造“懂你”的智能输入体验。与传统语音输入工具仅实现“语音转文字”不同,秒言深度融合大语言模型能力,不仅能高精度识别用户语音,更能理解说话者的真正意图。它可自动整理口语中常见的碎片化表达、语病和冗余词(如“嗯”“啊”“那个”等),智能重组语言逻辑,并添加恰当的标点与段落结构,输出清晰、流畅、符合书面语规范的文本。 秒言官网入口网址:https://miaoyan.cn/秒言官网下载地址:https://miaoyan.cn/download.html 此外,秒言不仅是输入法,更是随叫随到的AI助理。用户无需切换应用,在任意输入框中即可一键唤起AI功能:支持一键润色、多语言翻译、网址智能打开、直接提问获取答案等操作。其响应速度高达0.2秒毫秒级,意图识别准确率高达98%,有效保障思维不中断,助力用户保持高效专注的心流状态。 秒言致力于通过AI优化语音输入流程,解决“思路快于打字速度”的痛点,让语音输入成为一种真正高效、自然的键盘输入替代方案。它特别适合长文本写作、办公沟通、会议记录和编程注释等高频输入场景。
AFFiNE 是一款面向未来的 超融合知识操作系统(KnowledgeOS),致力于为用户提供 写作、绘图、规划 的全方位解决方案。无论是个人创作者、团队协作者,还是企业管理者,AFFiNE 都能帮助您 高效整合工作流,告别繁琐的工具切换,专注于创意与生产力的释放。 AFFiNE官网入口网址:https://affine.pro/AFFiNE开源项目地址:https://github.com/toeverything/AFFiNEAFFiNE官网下载地址:https://affine.pro/download超融合平台,一站式工作体验 AFFiNE 采用 本地优先(Local-First) 和 隐私保护 的设计理念,让用户完全掌控自己的数据。无论是撰写文档、绘制思维导图,还是管理项目任务,所有操作都能在一个平台上完成,无需在多个应用间来回切换,真正实现 无缝衔接的高效工作体验。 自由创作,激发无限可能写作:通过模块化编辑(Block-Based Editing),轻松构建结构化内容,让思维自然流淌。绘图:内置强大的白板工具,支持自由绘制、思维导图、流程图等,让创意可视化,突破想象力的边界。规划:高效的任务管理和协作功能,助您清晰规划项目进度,提升团队生产力。AI 赋能,智能助手加持 AFFiNE 集成 AI 辅助功能,可在写作、绘图和规划中提供智能建议,帮助用户更快思考、更高效创作,实现 随时随地智能办公。 丰富模板,开箱即用 提供多样化的 现成模板,覆盖笔记、项目管理、设计草图等场景,助您快速启动任何类型的项目。 开源共建,社区驱动 AFFiNE 坚持 开源透明,代码公开托管于 GitHub,鼓励全球开发者共同参与优化。同时,我们打造了活跃的 用户社区,让创作者、开发者和企业用户能够交流灵感,推动产品持续进化。 无论是个人用户、创业团队,还是大型企业,AFFiNE 都能成为您理想的 一体化知识管理平台。立即加入 AFFiNE,开启高效、自由、安全的全新工作方式!
数字鸭AI助手是一款集成了多种功能的多功能AI助手平台,旨在为用户提供智能化、便捷化的服务体验。该平台融合了AI写作、聊天、绘画以及辅助功能,支持国内领先的GPT-4和Midjourney最新版本模型,包括MJ v5.1和NIJI 5.0,并实时同步更新。 数字鸭AI助手官网入口网址:https://www.kooki.com.cn/ 数字鸭AI助手的主要功能涵盖智能对话、AI绘画、文本生成、编程助手、证件照制作、风格照生成、图标设计以及国风水墨画绘制等上百个场景应用。用户无需编写复杂指令,只需选择对应的应用并输入需求信息,即可获得定制化内容输出。例如,用户可以通过描述词生成图像,调整主题、环境、人物、动物等细节,满足不同场景需求。 该平台支持手机和PC端使用,PC端需调整窗口大小以获得最佳体验,同时正在适配移动端设备。此外,数字鸭AI助手还提供微信小程序版本,方便用户随时随地访问。 数字鸭AI助手的目标用户群体主要是大学生,旨在帮助他们提升学习效率、提高生活质量及增强职场竞争力。通过自然语言处理、图像识别和机器学习技术,该平台致力于成为大学生接触AIGC(人工智能生成内容)的首选工具。同时,它也适用于职场人士和编程爱好者,为他们提供文案生成、PPT制作、代码编写等实用功能。 为了吸引用户,数字鸭AI助手推出了多种优惠活动。例如,首次使用可免费体验,每日登录还可获得“鸭能量”兑换次数;购买会员后可享受不限时长和次数的服务。此外,官网还提供VIP激活码,允许用户享受三天无限制使用。 数字鸭AI助手通过丰富的功能和灵活的使用方式,为用户提供了一个高效、便捷的AI服务平台,满足了学习、生活和工作中的多样化需求。其官网地址为:https://www.kooki.com.cn/
QAnything 是网易有道推出的一款基于本地知识库的问答系统,旨在为用户提供高效、安全且灵活的问答解决方案。其核心功能包括支持多种文件格式和数据库的离线安装与使用,能够快速检索和回答用户的问题,同时确保数据的安全性和隐私保护。 QAnything官网入口网址:https://qanything.ai/QAnything开源项目地址:https://github.com/netease-youdao/QAnything 核心特点 多格式支持:QAnything 支持包括 PDF、Word、PPT、XLS、Markdown、Eml、TXT、图片(如 JPG、PNG)、网页链接等多种文件格式,未来还将持续增加更多格式支持。数据安全与隐私保护:所有数据存储在本地,用户可以完全控制数据,避免因网络不稳定或外部威胁而导致的信息泄露。跨语言与跨语种支持:系统支持中英文及其他语言的问答,能够处理大规模数据检索问题,特别适合需要多语言支持的场景。高性能与高可扩展性:采用两阶段向量排序技术,有效解决大规模数据检索退化问题。随着数据量的增加,性能和准确率也会提高。易用性与部署便捷:提供一键安装部署功能,简化了用户的操作流程,降低了技术门槛。同时支持纯 Python 环境和 Docker 容器化部署,适应不同场景需求。多知识库集成:用户可以接入多个知识库,进一步扩展问答系统的知识范围。 技术架构 QAnything 基于网易有道自研的 RAG(检索增强生成)引擎开发,结合 BCEmbedding 模型库,具备强大的语义表征能力。其架构分为两阶段: 第一阶段(Embedding) :对输入文本进行嵌入处理。第二阶段(Rerank) :通过两阶段向量排序技术优化检索结果。系统还支持 DeepSeek R1 和 R32 蒸馏版的大模型,进一步提升了问答的智能化水平。 应用场景 QAnything 适用于多种场景,包括但不限于: 企业内部文档管理:帮助企业管理大量文档,快速获取所需信息。法律咨询与政务服务:提供高效的知识检索服务,满足专业领域的需求。教育与科研:支持教育机构和研究机构管理科研文档,提升信息获取效率。通用客服与问答:适用于需要快速响应用户问题的场景。 开源与社区支持 QAnything 已开源,并在 GitHub 上提供源代码和详细文档,方便用户学习和二次开发。此外,网易有道还提供了丰富的教程和文档支持,帮助用户快速上手。 官网介绍 QAnything 的官网地址为 https://qanything.ai/ ,用户可以通过官网了解更多信息并试用该产品。 QAnything 是一款功能强大、安全可靠且易于部署的本地知识库问答系统,适用于多种行业和场景。其开源特性也为开发者提供了更多的灵活性和扩展可能性。
AI Prompt 优化工具是一款提示词优化器,专注于提升 AI 对用户提示词(Prompt)理解能力的在线工具。用户只需在页面的输入框中粘贴或键入原始提示词,系统会调用内置的大语言模型对其进行自动改写,使提示词更加清晰、具体、有效,从而帮助后续的 AI 生成任务获得更高质量的输出。 AI Prompt 优化工具官网入口网址:https://systemprompt.icu/AI Prompt 优化工具开源项目地址:https://github.com/WonderLand33/prompt-optimizer 主要功能 一键优化:输入原始 Prompt,点击提交后,AI 会返回经过润色的版本,避免歧义和冗余表达。优化建议展示:页面下方列出五条实用的 Prompt 编写技巧,帮助用户在自行撰写时就能遵循最佳实践。具体建议包括:提供明确的上下文和背景信息;清晰指明期望的输出格式;使用简洁直白的语言;附带相关示例或参考资料;明确目标受众或使用场景。 使用场景 内容创作:写作、文案、剧本等需要精准指令的创意工作。技术开发:生成代码、调试指令、API 调用示例等技术任务。教育培训:为学生或学习者提供结构化的提问模板,提高提问质量。业务分析:在数据分析、报告撰写等场景中,使用更明确的指令获取精准结果。 AI Prompt 优化工具为广大 AI 使用者提供了一个低门槛、即时的 Prompt 优化入口,帮助提升模型交互的准确性和效率。
鲸语智客是一款基于人工智能技术的智能客服系统,旨在通过AIGC(生成式人工智能)技术实现全天候无间断的客户服务,为企业提供高效、智能化的解决方案。 鲸语智客官网入口网址:https://jyzk.lingj.net/ 产品特点与功能全天候服务:鲸语智客支持7*24小时不间断服务,能够覆盖企业用户在不同时间、不同场景下的需求,确保客户能够及时获得支持。个性化服务:系统利用AIGC技术,通过分析用户的交互历史、消费行为和偏好等信息,提供个性化推荐和商品服务,从而提升用户体验和满意度。多渠道支持:支持多种知识形态,如文档、网页、问答等,能够快速获取信息,实现多渠道部署和灵活应用。降低运营成本:通过自动化和智能化服务,减少企业对人力成本的依赖,同时简化集成流程,助力企业智能化升级。灵活的定价策略:提供多种套餐选择,例如59元/月的不限数量不限场景智能客服机器人,以及109元永久有效的200万超长鲸币等。应用场景 鲸语智客适用于多种场景,包括但不限于: 零售行业:提供售前咨询、业务查询、政策咨询等服务。电商平台:利用个性化推荐功能,提升客户满意度和忠诚度。金融与政务:用于智能客服、知识门户等,为企业内部员工和外部客户提供高效服务。技术优势向量化与大模型问答:鲸语智客通过向量化和多种大模型问答体系,实现精准的语义理解与回答,从而优化用户体验。RAG技术:基于Retrieval-Augmented Generation(检索增强生成)技术,能够更准确地理解用户意图,并处理复杂问题。知识库管理:支持非结构化文档解析、知识关联和多维优化,提升知识库的利用率和准确性。定价与使用模式 鲸语智客提供试用版和付费版两种模式,其中试用版免费,付费版则根据服务周期和功能提供不同价格,例如: 2个月付1月:¥198半年付2个月:¥594一年付3个月:¥1188。 适用对象 鲸语智客主要面向需要提升客服效率和用户体验的企业用户,尤其是那些需要规模化定制服务的中小企业。 鲸语智客是一款集成了先进AI技术的智能客服系统,通过全天候、个性化服务,以及多渠道支持,为企业提供了高效、低成本的解决方案,适用于多种行业和场景。其灵活的定价策略和强大的技术支持,使其成为企业智能化升级的有力工具。
