蛐蛐 (QuQu) - 开源的桌面端语音输入与文本处理工具

蛐蛐 (QuQu)是什么

蛐蛐（QuQu）是为中文用户设计的桌面端语音输入与文本处理工具，是 Wispr Flow 的开源免费替代方案。工具内置阿里巴巴 FunASR Paraformer 模型，能在本地跑，隐私这块顾得到；再结合AI，识别准、文本会智能优化，输出还跟着上下文走。编程术语认得，多种国内顶尖 AI 模型都能适配。一键唤醒、实时识别、粘贴到位这些功能配齐，安静环境下用语音输入效率高，手不用一直敲键盘。

蛐蛐 (QuQu)的主要功能

• 一键唤醒：全局快捷键按一下就开始语音输入，随时能用。
• 实时识别：中文识别走本地 FunASR 引擎，精度高，安静环境下准确率也稳。
• 智能优化：接上 AI 模型之后，文本自动润色，口误和说错的地方会修正。
• 无缝粘贴：转好的文本自动贴到当前光标位置，省掉手动这一步。
• 上下文感知：输出会看上下文，文本内容跟着语境调整。
• 编程支持：编程术语认得出来，开发者和爱折腾效率工具的人用着顺手。
• 隐私保护：本地就能跑，数据不上云，隐私稳。
• 多平台支持：macOS、Windows 和 Linux 三个系统都兼容。

蛐蛐 (QuQu)的技术原理

• 语音识别引擎：
  • FunASR Paraformer：识别用的是阿里巴巴的 FunASR 模型，特别是 Paraformer-large，中文识别精度高。模型在本地运行，数据隐私保得住。
  • FSMN-VAD：负责语音活动检测，一段话说从哪开始、到哪结束，判得准。
  • CT-Transformer：负责文本解码，识别的准确率和效率都提一档。
• AI 模型集成：
  • 两段式引擎：ASR（自动语音识别）和 LLM（大型语言模型）两段一起用，语音先认准，文本再优化。
  • 兼容 OpenAI API：兼容 OpenAI API 的服务都能接，国内顶尖模型优先适配，阿里云通义千问、Kimi 这些在列。
• 前端与桌面端技术栈：
  • 前端：用户界面用 React 19、TypeScript、Tailwind CSS、shadcn/ui 和 Vite 搭，操作起来顺。
  • 桌面端：桌面端基于 Electron，跨平台兼容性不太用操心。

蛐蛐 (QuQu)的项目地址

• GitHub仓库：https://github.com/yan5xu/ququ

蛐蛐 (QuQu)的应用场景

• 写作与内容创作：语音很快变成文字，作家、博主、记者这种要大量写字的场景合用。
• 编程辅助：编程术语识别帮开发者少敲键盘，代码输得快。
• 会议记录：语音实时转文字，还能自动润色和总结，会议记录和纪要整理省力。
• 学习与笔记：课堂和讲座里快速记重点，手写笔记的负担轻下来。
• 办公文档处理：办公环境安静时，文档撰写和编辑可以直接用语音说完。