本地 Whisper 听写工具 Dictata 发布 v0.1.0

Dictata 是一款 100% 本地运行的 Windows 语音听写工具，采用 Rust 编写，集成 whisper.cpp 与可选的本地 LLM 后处理。开发者近日在 Hacker News 上以「Show HN」形式发布 v0.1.0 版本，强调全程数据不出本机。

核心功能

Dictata 通过全局热键触发录音，再次按下即可将转写文本自动粘贴到当前活动窗口，主要功能包括：

热键听写：支持切换式与按住说话两种模式，附带可自定义大小、透明度与位置的浮动波形条
连续流式模式：检测到停顿即插入文本，实时反馈
静音跳过：可选的 whisper.cpp 语音活动检测，首次使用下载约 2 MB 模型，可减少空白的误识别
Vulkan GPU 加速：支持 AMD、Intel 与 NVIDIA 显卡，CPU 模式亦可运行
多音频源：麦克风、系统音频（WASAPI loopback）或会议模式混合
LLM 后处理：可调用本地 OpenAI 兼容接口进行「改写」「邮件」「消息」「列表」等格式化输出
自定义词表与替换规则：作为初始 prompt 注入 whisper
Hugging Face 模型搜索：可通过关键词、仓库或直链安装任何 ggml .bin 模型
多语言界面：法语、英语、西班牙语，附深色主题与系统托盘图标

技术架构

Dictata 由多个模块组成，核心职责如下：

main.rs：全局热键、状态机、转写线程调度
audio.rs：cpal 音频采集与 16 kHz 重采样，ffmpeg 解码
transcriber.rs：whisper-rs 封装，负责模型加载与转写
streaming.rs：基于停顿的流式分块与渐进输出
modes.rs / llm.rs：输出模式与本地 LLM 后处理
models.rs：ggml 模型目录、下载/删除、Hugging Face 查询与路径管理
settings.rs / settings_logic.rs：设置窗口 UI 与可测试的业务逻辑
dock.rs / history.rs / paste.rs / hotkey.rs / tray.rs：浮窗、历史、粘贴、热键、托盘等

项目配套 64 个单元测试，覆盖配置、重采样、混音、设置逻辑、Hugging Face 查询解析、取消手势、下载安全等场景，并提供 CLI 示例 cargo run --example transcribe -- <file.wav>，可通过环境变量 DICTATA_GPU=1 启用 GPU。

平台与构建

Dictata 目前仅支持 Windows 10/11，Linux 版本未在该版本中提供。若要转写文件，需将 ffmpeg 加入 PATH。GPU 构建需要 Vulkan SDK 与 Visual Studio Build Tools（包含 CMake 与 Ninja）。常见构建命令：

CPU 专用：cargo build --release --no-default-features
GPU 构建：需在 Visual Studio 开发人员命令提示符中设置 CMAKE_GENERATOR=Ninja 并配置 VULKAN_SDK

需要注意的是，whisper.cpp 的 vulkan-shaders-gen 子项目路径可能超出 Windows MAX_PATH（260 字符）的限制，触发 FTK1011 或 C1083 错误。解决办法是在 .cargo/config.toml 中将 target-dir 指向盘符根目录的短路径，例如 C:/wt。

许可与发布

Dictata 采用「带 Commons Clause 附加条款」的 MIT 许可：可自由使用、复制、修改、分发与自托管，但不得直接销售软件，亦不得以本软件为主要价值提供付费 SaaS、托管或付费支持等商业化服务。

发布脚本会在 dist/ 目录生成 dictata-<version>-windows-x86_64[-cpu].zip 压缩包，内含可执行文件、README、LICENSE 与 CHANGELOG；由于开发配置可能包含个人数据，程序会在首次运行时自行生成默认配置，不会随包附带。可执行文件为单一二进制，自带图标与版本元数据，GPU 版的 Vulkan 加载由显卡驱动提供，无需额外 DLL。