Audio Talk AI 是一个面向桌面的语音输入工具。按住全局快捷键说话， 语音识别结果自动复制到剪贴板，或直接上屏到当前输入框。 写代码、聊天、记笔记、写长文，开口即得。
从热键触发到自动上屏，整条链路都为「少打字、多说几句」优化。
支持 toggle（按一下开始、再按停止）和 hold（按住说话）两种模式。默认 F9，也支持 Alt+Super 等修饰键组合。
豆包、OpenAI Realtime/Whisper、讯飞全系、小米 MiMo。在 TUI 中一键切换，按需选择流式或批量转写。
识别结果自动写入剪贴板，或直接粘贴到当前焦点输入框，并在粘贴后还原你原有的剪贴板内容。
Wayland / X11 / macOS / Windows 顶层悬浮胶囊，实时显示录音状态与波形，不打断你的工作流。
终端里的 Bubble Tea 配置界面，加上浏览器 http://localhost:8391 的 Web 管理台，配置实时同步。
为项目名、人名、英文术语和专有名词配置热词，显著提升这些词的识别准确率。
记录历史次数、总字数、平均速度和最近速度，量化你的「口喷」效率。
Linux / macOS 上用 --d 启动可断开 TUI 会话，断开后热键依旧生效，随时 --di 重连。
配置中的 API 密钥以 AES-256-GCM 加密存储，明文仅存在于运行时内存，迁移自动加密、降级不兼容。
流式实时出字，批量录完再识别。覆盖国内外主流服务商，方言、长音频、说话人分离都有对应方案。
火山引擎，二进制 WebSocket 流式
gpt-4o-transcribe 系列，WebSocket
动态修正，支持 202 种方言
医疗 / 政务 / 金融垂直领域
大模型，最长 8 小时，说话人分离
apiKey 认证，最长 5 小时
兼容 Ollama / vLLM 等第三方
标准版，最长 5 小时
202 方言 / 37 语种免切
1 小时音频约 20 秒出结果
中英双语 + 方言
国内节点
每个平台都调用原生 API，而非 Electron 套壳——响应快、占用低。
热键基于 evdev（需 input 组权限）；剪贴板用 wl-clipboard，上屏用 wtype 或 uinput。
原生 X11 全局热键，XTest 模拟按键上屏，X11 原生叠加层胶囊。
CGEventTap 热键，CoreAudio 录音，NSPasteboard 剪贴板，AppKit 胶囊。
WH_KEYBOARD_LL 低级钩子，ffmpeg/sox 录音，SendInput 模拟 Ctrl+V，纯 Go 无 CGO。
终端里的 TUI 与浏览器里的 WebUI，两套界面管同一份配置。
最新版本、各平台安装包与后续更新，请前往 GitHub 或 Gitee。本站为国内展示镜像，不直接提供下载。
支持 Linux / macOS / Windows（x86_64 与 arm64）。安装与配置详见仓库 README；也可访问在线项目站 silverkurali.github.io/audio-talk-Ai。
