ainput 是一个 Windows 本地常驻的“语音输入 + 截图”工具。

它不做系统级 IME，也不依赖在线模型。当前重点是把两条前台主链路做稳：

1. 按住语音热键开始录音，松开后离线识别并把文本送进当前输入区
2. 按截图热键进入冻结框选态，完成后把图片送进剪贴板

当前默认热键：

• 语音：RightAlt
• 截图：Alt+X

正式配置文件：

• config\ainput.toml

• 本地离线 ASR
  • 模型：SenseVoiceSmall
  • 运行时：sherpa-onnx Rust API
  • 默认：CPU / 4 线程
• 语音输入主链路
  • 语音热键可配置
  • 自动直贴失败时，可按配置降级到剪贴板
  • 普通输入框与终端输入区使用不同句号策略
• 截图主链路
  • 截图热键走 Windows 原生 RegisterHotKey
  • 冻结整屏后框选
  • 结果复制到剪贴板
  • 可选自动保存 PNG 到桌面
• 托盘菜单重构
  • 分为 语音、截图、术语与学习、通用
  • 语音和截图不再混在一起
• 术语与学习
  • 内置 AI 编程词库：data\terms\base_terms.json
  • 用户词库：data\terms\user_terms.json
  • 学习状态：data\terms\learned_terms.json
  • 从当前剪贴板学习最近一次修正，达到阈值后自动生效
• 语音历史
  • 最近一条：logs\last_result.txt
  • 滚动历史：logs\voice-history.log
  • 默认只保留最近 500 条
• 前后台解耦
  • 语音历史与最近结果落盘走独立维护线程
  • 前台语音识别和截图链路不等待这些后台写文件动作
  • 周期性资源心跳已移除，避免后台维护动作持续打扰主程序

• 状态
  • 显示当前待机、录音、识别、截图、错误等状态
• 语音
  • 显示当前语音热键
  • 可开关鼠标中键长按录音
  • 可打开语音历史
• 截图
  • 显示当前截图热键
  • 可开关“截图后自动保存到桌面”
• 术语与学习
  • 从当前剪贴板学习最近一次修正
  • 打开用户术语文件
  • 打开学习状态文件
  • 打开内置 AI 词库
• 通用
  • 开机自动启动
  • 打开配置文件
  • 打开日志目录
  • 使用说明
• 退出

cargo build -p ainput-desktop
.\target\debug\ainput-desktop.exe

run-latest.bat

这个脚本会自动：

• 关闭旧的 ainput-desktop.exe
• 重新编译最新代码
• 启动 target\debug\ainput-desktop.exe

推荐直接使用安装包：

dist\ainput-setup-1.0.4.exe

安装后：

• 程序默认安装到 %LOCALAPPDATA%\Programs\ainput
• 可从开始菜单里的 ainput 启动
• 可通过系统“已安装的应用”或开始菜单里的卸载入口移除

• 按住 RightAlt
• 说话
• 松开
• 等待识别结果自动进入当前输入框

• 长按鼠标中键约 200ms
• 说话
• 松开
• 等待识别结果自动进入当前输入框

注意：

• 短按鼠标中键仍然保留原生功能
• 当前默认关闭鼠标中键长按录音
• 如果你想启用鼠标中键，可以在托盘菜单里打开

• 按 Alt+X
• 进入冻结框选态
• 拖拽选区
• 松开鼠标后，图片写入剪贴板
• 如果托盘里开启了“截图后自动保存到桌面”，会额外保存 PNG 文件

相关文件：

• data\terms\base_terms.json
• data\terms\user_terms.json
• data\terms\learned_terms.json

内置词库会随安装包一起提供，重点覆盖 AI 编程场景；用户词库和学习状态会在首次运行时自动创建。

流程：

1. 先让程序输出一段有错误的识别结果
2. 你在输入框里手工改对
3. 复制“改对后的整段文本”
4. 右键托盘，进入 术语与学习
5. 点击 从当前剪贴板学习最近一次修正

效果：

• 第一次：记录候选
• 第二次同样修正：自动升格为正式映射并开始生效

当前规则分两类：

• 普通文本编辑区：
  • 文中插入时，末尾 。 和 . 会被去掉
  • 行尾输出时，缺句号会补 。
• 终端 / 控制台 / 类 TTY 输入区：
  • 默认走保守策略
  • 不再因为拿不到 UIA 上下文就强行补句号

录音时会显示底部悬浮条：

• 出现时滑入
• 消失时滑出
• 录音中按麦克风音量变化
• 位置固定在屏幕下方、任务栏上方

日志与历史文件：

• logs\ainput.log
• logs\last_result.txt
• logs\voice-history.log

日志里会记录：

• 录音开始/结束
• 静音判断
• ASR 耗时
• 正则化耗时
• 输出耗时
• 总流水线耗时
• 上下文与输出策略

只测引导：

.\target\debug\ainput-desktop.exe bootstrap

只测麦克风识别，不测托盘：

.\target\debug\ainput-desktop.exe record-once 3

只测 WAV 文件：

.\target\debug\ainput-desktop.exe transcribe-wav .\some.wav

只测图片写入剪贴板：

.\target\debug\ainput-desktop.exe clipboard-selftest-image

只测整屏截图复制：

.\target\debug\ainput-desktop.exe capture-fullscreen-selftest

配置文件路径：

• config\ainput.toml

主要配置包括：

• [hotkeys].voice_input
• [hotkeys].screen_capture
• [hotkeys].mouse_middle_hold_enabled
• [voice].prefer_direct_paste
• [voice].fallback_to_clipboard
• [voice].history_limit
• [startup].launch_at_login
• [asr].model_dir
• [asr].provider
• [asr].num_threads
• [learning].auto_activate_threshold
• [logging].level

说明：

• 旧版 config\ainput.config.json 只作为迁移输入保留，不再是正式配置口径
• [voice] 段里额外带有“句尾 emoji 语音触发”的说明注释，当前规则是内置固定映射，不通过 TOML 单独配置

• 当前默认还是 CPU 推理，不走 GPU
• 语音热键与截图热键已经可配置，但当前仍以编辑 ainput.toml 为主
• 截图热键走 Windows 原生 RegisterHotKey
• 语音为了保留“按住说话/松开停止”的行为，仍需要低层按键监听配合
• 开机自动启动通过当前用户的 Run 注册表项实现
• 不同应用对直接粘贴的前台体验可能略有差异
• 某些不支持 UI Automation 的输入框，会退到统一的未知上下文策略

当前内置了一组“句尾口述 -> emoji token”的固定规则，用于聊天或吐槽场景。

触发条件：

• 只在程序判断当前光标位于末尾时触发
• 只在句尾触发，不在句中替换
• 上下文未知时默认不触发

当前支持：

• 笑死 -> [破涕为笑]
• 偷笑 -> [偷笑]
• 哭死 -> [流泪]
• 震惊 -> [震惊]
• 点赞 -> [强]
• 抱拳 -> [抱拳]
• 狗头 -> [狗头]
• 捂脸 -> [捂脸]

例子：

• 口述：这个 bug 太离谱了笑死
• 行尾输出：这个 bug 太离谱了[破涕为笑]

边界：

• 当前映射是写死在程序里的，还不能在 ainput.toml 里自定义增删
• 若你在句中说“我都快笑死了但是还没说完”，不会被替换成 emoji

构建正式版：

cargo build --release -p ainput-desktop

正式版不会弹黑色命令行窗口。

当前发布目录结构使用：

• dist\ainput-setup-1.0.4.exe
• dist\ainput-1.0.4\
• dist\ainput-1.0.4.zip

• apps\ainput-desktop
  • 桌面入口、托盘、热键、底部提示条、后台维护线程
• crates\ainput-audio
  • 麦克风录音
• crates\ainput-asr
  • SenseVoice + sherpa-onnx
• crates\ainput-rewrite
  • 轻量正则化
• crates\ainput-output
  • 输出、上下文判断、术语学习
• crates\ainput-shell
  • 启动、配置、日志
• data\terms
  • 内置词库、用户词库、学习状态

它现在重点解决的是：

• 本地离线语音输入
• AI 编程场景下的中英混合口述
• 语音与截图两条主链路的稳定常驻
• 后台维护动作与前台主链路解耦