Voltip：Rust + Tauri 2 写的开源语音输入，记一下用到的 crate 和几处取舍
内容提要
Voltip 是一款开源语音输入工具：按住快捷键说话，松开后自动去除口头禅、保留最终说法并插入光标处。支持 Windows、macOS、Linux、Android，可本地离线识别或接入 OpenAI 兼容接口。项目用 Rust 实现音频处理、识别、加密传输与文字插入，手机可作电脑麦克风，设备间经中继仅传输密文。目前无 iOS 版，Wayland 下无全局快捷键，Windows 安装包未签名。
延伸解读
跨平台语音输入的工程取舍
Voltip 用 Rust 统一实现音频、识别、加密和文字插入，桌面与 Android 共用 React 界面，依赖方向严格分层。这种设计让核心逻辑可复用，但平台差异仍需单独处理：Windows 包在 Linux 上交叉编译，macOS 开 Metal，Windows/Linux 发布包开 Vulkan。对开发者而言，这意味着跨平台并非零成本，需为每个平台维护构建配置和特性开关。
本地识别与隐私保护的实际边界
文章强调识别可纯本地离线运行，设备间经中继仅传输密文，中继拿不到会话密钥。配对时两端显示安全码人工核对，已配对设备重逢也用 Noise_XX 握手。这降低了云端泄露风险，但用户需注意：若接入 OpenAI 兼容接口，音频会离开本机；本地模型下载后需校验 SHA-256，首次使用前应确认模型来源可信。
文字插入的可靠性与局限
Voltip 通过剪贴板加模拟粘贴插入文字，失败时文字留在剪贴板并提示原因，避免丢失。这比直接模拟键盘输入更稳健，但依赖目标窗口接受粘贴。文章提到目标窗口以管理员身份运行等场景可能粘贴不进去，此时需手动处理。另外，纯 Wayland 会话没有全局快捷键，需在系统设置中自行绑定，这是 Linux 用户需要留意的限制。
当前版本的已知不足
作者明确列出几项限制：尚无 iOS 版；Windows 安装包未做代码签名，首次运行会触发 SmartScreen 提示；每次需按键说话，没有语音唤醒。这些不影响核心听写功能，但会影响部分场景的便利性和信任感。对安全敏感的用户，未签名安装包需自行评估风险；对追求免手操作的用户，语音唤醒的缺失是明显短板。
Q&A
Voltip 是什么？它主要能做什么？
Voltip 是一款开源语音输入工具，按住快捷键（默认 Ctrl+Alt+Space）说话，松开后自动去除口头禅、保留最终说法，并将整理好的文字插入光标处。支持 Windows、macOS、Linux 和 Android，可本地离线识别或接入 OpenAI 兼容接口。
Voltip 支持哪些操作系统？有没有 iOS 版？
支持 Windows、macOS、Linux 和 Android。目前没有 iOS 版。
Voltip 的语音识别可以完全离线运行吗？需要联网吗？
可以完全离线运行。它使用 transcribe-cpp 跑 Qwen3-ASR 的 GGUF 模型，也支持 sherpa-onnx 跑 SenseVoice、Paraformer 等模型。同时也能接入 OpenAI、Groq、硅基流动、阿里云百炼或任意 OpenAI 兼容接口进行在线识别。
Voltip 如何保证手机和电脑之间传输数据的安全？
设备间通过中继（axum WebSocket）只转发密文，使用 Noise_XX_25519_ChaChaPoly_SHA256 协议。配对时两端显示由握手哈希推出的安全码，人工核对一致才信任；已配对设备重逢时同样使用 XX 握手。中继拿不到也不需要会话密钥。
Voltip 在文字插入时如果遇到粘贴失败会怎么处理？
Voltip 使用 enigo + arboard 将文字放入剪贴板、模拟粘贴、再恢复剪贴板原内容。如果目标窗口以管理员身份运行等导致粘贴不进去，文字会留在剪贴板里，悬浮窗会说明原因，不会丢失文字。
Voltip 目前有哪些已知不足或限制？
已知不足包括：还没有 iOS 版；纯 Wayland 会话下没有全局快捷键，需在系统设置里自行绑定；Windows 安装包未做代码签名，首次运行 SmartScreen 会提示；每次都需要按键说话，没有语音唤醒功能。
