【免费下载链接】vocotype-cliVocoType 是一款运行在本地端侧的隐私安全语音输入工具通过快捷键即可将语音实时转换为文字并自动输入到当前应用。支持语音转文字MCP、AI 优化文本、自定义替换词典、录音视频转文字等功能让语音输入更高效、更安全。项目地址https://gitcode.com/gh_mirrors/vo/vocotype-cli点击查看免费下载VocoType 是一款完全本地离线的隐私安全语音输入工具支持通过快捷键将语音实时转换为文字并自动输入到当前应用。而它内置的--save-dataset参数能让这套语音输入法顺手把每一段录音和转写文本持久化保存下来帮你在日常使用中悄悄积累一份专属语音数据集audio text 配对语料为后续评估识别效果、训练定制模型提供宝贵原料。本文带你完整拆解这个 AOP 风格录音插件的实现原理与使用技巧。一、一条命令开启--save-dataset 使用步骤启用数据集记录只需要在启动命令后追加一个参数git clone https://gitcode.com/gh_mirrors/vo/vocotype-cli cd vocotype-cli uv venv --python 3.12 uv pip install -r requirements.txt # 保存数据集运行 python main.py --save-dataset 常用参数说明定义于 main.py参数作用默认值--save-dataset开启数据集记录开关关闭--dataset-dir数据集输出目录dataset--config指定配置文件路径内置配置比如你想把语料存到桌面只需python main.py --save-dataset --dataset-dir ~/my_voice_dataset之后正常按F2录音、说话、转文字即可——每次转写完成后对应的音频和文本会自动落盘完全不打断你的输入流程。完整环境搭建可参考项目自带的 脚本.md。二、积累下来的数据长什么样启用后VocoType 会在数据集目录下自动创建如下结构dataset/ ├── audio/ # 每段录音的 WAV 音频文件 │ ├── 20250101_103000_123456-ab12cd34.wav │ └── 20250101_103015_654321-ef56ab78.wav └── dataset.jsonl # 与音频一一对应的文本记录dataset.jsonl中每一行是一条 JSON 记录核心字段如下字段含义id唯一样本 ID时间戳 8 位随机 hex防重名audio音频相对路径如audio/xxxx.wavtext最终输出的识别文本含标点raw_text模型原始输出未加标点便于对比纠错效果duration音频时长秒sample_rate采样率默认 16000 Hzinference_latency本地推理耗时秒可用来统计性能confidence置信度timestampUTC 采集时间戳ISO 格式这种JSONL 索引 音频文件的分离式设计是业界做语音数据集的常见做法文本元数据轻量、易于流式读取音频则独立存放方便后续按需加载。三、它如何工作AOP 风格的 handler 包装器这个插件的核心代码不到 110 行全部位于 app/plugins/dataset_recorder.py实现思路非常值得借鉴。1. 环绕式包装零侵入主流程在 main.py 中可以看到装配过程worker.on_result _make_result_handler(output_method, append_newline, worker) if args.save_dataset: worker.on_result wrap_result_handler(worker.on_result, worker, args.dataset_dir)这正是 AOP面向切面编程的思想不改动原始输入文字逻辑而是用一个wrapped函数把原始 handler 包一层。执行顺序是先调用原始 handler保证语音正常输入到当前应用再异步执行保存数据集这一切面逻辑。2. 三处细节设计保障健壮性容错吞异常保存逻辑整体包在try/except中任何失败只会打日志见 dataset_recorder.py绝不影响正常的语音输入体验原子拷贝音频通过先写.tmp再os.replace的方式复制_atomic_copy避免程序中途退出时产生损坏的半截文件自动过滤无效样本转写出错result.error、找不到音频路径等场景会被静默跳过保证数据集中只存有效样本。3. 音频从哪来每次录音停止后TranscriptionWorker 会把最近一段录音写入recent.wav调试文件并更新last_segment_path见 _write_recent_wav。AOP 包装器正是从这个路径读取原始音频复制进数据集目录——录音、识别、存储三者共享同一条数据流天然对齐。四、积累的数据能做什么日积月累后你手里就有一份自带时间线、带原始/最终文本双标注的私有语音语料典型玩法识别效果自评用inference_latency、confidence统计各场景安静、嘈杂、长句的表现定制热词表从识别错误的样本中提炼高频错词加入 VocoType 的自定义替换词典提升准确率训练/评测定制 ASRJSONL 格式与主流语音识别评测流程兼容可清洗后用于微调或构建个人评测集️建立个人语音档案会议记录、口述笔记的原始音频永久留档随时回溯。五、使用建议与注意事项磁盘空间16 kHz 单声道 16-bit WAV 约为0.12 MB/秒一小时的录音约 430 MB长期开启建议定期归档隐私再确认所有数据仅保存在本机--dataset-dir指定目录不会上传若使用volcengine云端后端音频本身会经过云端识别请按需选择目录独立--dataset-dir建议指向独立磁盘或目录避免混入版本库样本清洗JSONL 是追加写入的若某条记录异常可手动删除对应行及音频不影响其他样本。总结--save-dataset是 VocoType CLI 中一个轻量却实用的隐形插件它以 AOP 环绕包装的方式挂在结果处理链路上把日常语音输入过程顺带转化成了数据集生产流程。一条命令、零学习成本让你在安全离线的同时悄悄沉淀一份完全属于自己的语音语料资产。赞分享【免费下载链接】vocotype-cliVocoType 是一款运行在本地端侧的隐私安全语音输入工具通过快捷键即可将语音实时转换为文字并自动输入到当前应用。支持语音转文字MCP、AI 优化文本、自定义替换词典、录音视频转文字等功能让语音输入更高效、更安全。项目地址https://gitcode.com/gh_mirrors/vo/vocotype-cli点击查看免费下载相关推荐插件冲突、钩子失败、Token 悄悄暴涨Claude 插件实战三大坑实录插件冲突、钩子失败、Token 悄悄暴涨Claude 插件实战三大坑实录 Claude Code 的插件生态正处在一个人人都在装、个个都在踩坑的阶段官方AI 插件开发工具插件系统AuK 已进 SGLang-Omni开箱即用的语音模型正在悄悄长成新的开源生态AuK 已进 SGLang Omni开箱即用的语音模型正在悄悄长成新的开源生态 2026 年 9 月 9 日腾讯混元开源了 1.5B 参数的语音基础模型人工智能基础模型语音音频媒体生成Vector 隐私政策解读透明数据管道与绝不悄悄收集数据的工程承诺Vector 隐私政策解读透明数据管道与绝不悄悄收集数据的工程承诺 导读 Vector 是一套高性能的可观测性数据管道observability dat可观测性数据集成日志分析后端上一篇geoip快速入门5分钟内搭建你的第一个IP地理位置查询服务下一篇PixiJS性能优化指南10个提升WebGL渲染效率的技巧创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考