YazSes

项目简介

YazSes 是一款完全离线的语音听写工具，支持 Linux（X11 与 Wayland）、macOS 和 Windows三大桌面平台。工作方式极简：按住一个自定义热键说话，松开后文字就出现在当前焦点应用中。语音识别在本地运行，使用 faster-whisper 模型，不需要网络、不需要账号、不需要订阅。

除了核心的按住说话听写功能，YazSes 还支持语音命令（识别后执行对应操作）、录音文件转写、以及会议录音并标注发言人——这些额外功能默认关闭，用户按需启用。

核心功能

键盘截断式听写

按住热键说话，松开瞬间文字即出现在当前焦点应用中。支持自定义热键配置，可在任意应用中实时听写，无需切换窗口或使用专门的听写输入框。

全离线语音识别

使用 faster-whisper 在本地 CPU 上完成语音转文字，不依赖任何云端服务。无需互联网连接，无需注册账号，所有数据保留在本地。

语音命令模式

除了纯听写，还支持语音命令模式：识别出文本后执行对应操作，如"打开浏览器""新建文件夹"等，适合需要免手动操作的场景。

录音文件转写

支持对已有的音频文件进行批量转写，不需要实时录音，适合整理采访、会议录音或有声笔记。

会议录音与发言人标注

录制会议全程并实时转写，同时标注不同发言人，适合团队会议记录和复盘。

跨平台支持

覆盖 Linux（X11 + Wayland）、macOS 和 Windows 三大平台，安装方式统一：一行命令完成安装，自动检测系统环境并安装所需依赖。

技术实现

YazSes 的核心技术栈建立在 Python + faster-whisper 之上，整体架构分为本地服务端守护进程和热键监听客户端两部分。

安装脚本通过一行命令完成全流程：自动检测操作系统、下载 faster-whisper 模型、安装音频录制依赖（PortAudio/PulseAudio/PipeWire）、配置热键注入（X11 下用 xdotool，Wayland 下用 ydotoold）、加入 input 用户组，最后启动 doctor 检查确保所有组件正常。整个过程无需手动干预。

热键监听通过 Python 的 evdev 库读取键盘事件，区分短按（触发听写）和长按（持续录音），在松开热键时触发语音识别流程。识别结果通过剪贴板或直接按键模拟注入到当前焦点窗口，实现了"说话时不影响正常键盘操作、停止说话瞬间文字上屏"的体验。

Wayland 环境下由于安全限制，无法直接模拟按键，需要 ydotoold 作为辅助守护进程来处理按键注入，这是整个安装过程中最复杂的部分，install.sh 脚本已将其自动化。

快速上手

安装（一行命令）

Linux（推荐脚本安装）：

bash <(curl -fsSL https://raw.githubusercontent.com/MSKazemi/yazses/main/install.sh)

macOS：

pipx install yazses

Windows：

pip install yazses

配置热键

安装完成后运行 yazses doctor 检查环境，然后配置自己习惯的热键（默认建议为右 Alt 或某个不常用键）。

开始听写

1. 打开任意需要输入文字的应用（终端、编辑器、浏览器搜索框均可）
2. 按住配置好的热键，对着麦克风说话
3. 松开热键，文字即出现在光标位置
4. 如需语音命令，先在配置中开启命令模式

会议录音

1. 运行 yazses meeting start 开始录音
2. 会议结束后按 Ctrl+C 停止
3. YazSes 自动转写并生成带发言人标注的文稿

适用人群

• 需要在写作、编程时快速录入文字的创作者和开发者
• 在隐私敏感环境下工作、不能使用云端语音服务的专业人士
• 需要整理大量会议录音、播客内容的知识工作者
• 习惯键盘操作、希望双手不离开键盘就能完成文字输入的高级用户
• 研究 AI 语音技术在本地部署的开发者和技术爱好者