开源本地听写工具 Dictata：基于 Whisper 的隐私优先方案

项目概述

Dictata 是一款面向 Windows 系统的本地语音听写工具，使用 Rust 编写，主打「100% 本地化」——所有转录过程在用户设备上完成，原始音频与文本不会离开本机。用户通过全局快捷键启动录音，再次按下后文本会被自动转写并粘贴到当前活动窗口中。

核心转录引擎 Dictata Engine 默认采用 whisper.cpp，并可选集成多种 ONNX 后端：

NVIDIA Parakeet
SenseVoice（CTC）
Moonshine
Zipformer（transducer）

这些后端通过 Cargo feature 在构建时启用；默认构建仅包含 whisper.cpp。当前发布版本为 v0.1.0。

主要功能

快捷键听写：支持切换式与按住说话两种模式，文本自动粘贴至活动窗口；附带可定制大小、透明度与位置的浮动波形窗口。
连续流式模式：检测到停顿即插入文本，实现「边说边出字」。
静音跳过（VAD）：可选启用 whisper.cpp 的语音活动检测，首次使用会下载约 2 MB 的小模型，可降低静音段的算力消耗与误识别。
多音频源：支持麦克风、系统音频（WASAPI loopback）或两者混合的「会议模式」。
可选 LLM 后处理：可接入本地 OpenAI 兼容接口的 LLM，对原始转录文本做润色、邮件格式化、清单整理等处理，提示词可自定义。
文件转录：支持任意 ffmpeg 可处理的音视频格式，转录结果进入历史页。
自定义词表与替换：以 initial prompt 形式注入识别流程。
模型管理：内置 ggml 模型库，提供硬件感知推荐（Vulkan 下识别 GPU/VRAM，否则识别 CPU/RAM）；支持从 HuggingFace 直接以 URL、仓库名或关键词搜索安装任意 ggml 或 ONNX 模型。
多语言界面：支持英、法、西，深色主题，系统托盘图标，转录历史。

硬件与构建

平台：当前版本仅支持 Windows 10/11；Linux 版本仍在规划中，详见 LINUX.md。
依赖：ffmpeg（仅「Transcribe a file」需要）；启用 GPU 加速需安装 Vulkan SDK 与 Visual Studio Build Tools（含 CMake 与 Ninja）。
基础构建：cargo build --release。
纯 CPU 构建需注意：--no-default-features 会移除 vulkan，但 whisper 后端不会自动重新启用，必须显式加上 --features whisper，否则二进制将无法转录。
启用各 ONNX 后端示例：--features parakeet-directml、--features sensevoice、--features moonshine、--features zipformer；ONNXRuntime 通过 ort 静态链接，无需额外随包分发 DLL。

仓库还附带 Windows 打包脚本 scripts\release-windows.ps1，会运行测试、构建并生成 dist\dictata-<version>-windows-x86_64[-cpu].zip 及其 SHA-256；zip 内仅含 dictata.exe、README.md、LICENSE 与 CHANGELOG.md，程序首次运行会自行写入默认配置。

使用流程

启动后程序驻留在系统托盘；首次运行通过托盘菜单打开 Settings（也可设置 DICTATA_OPEN_SETTINGS=1 环境变量自动弹出）。在 Models 页面选择模型、设置快捷键、语言与音频源后，将光标置于目标输入框，按下默认快捷键 Ctrl+Alt+Space 开始说话，再次按下结束录入。

长按 Esc 约半秒可取消本次录制；由于 Esc 被全局监听以避免误触，短按 Esc 仍会传递给前台应用程序处理。