voice-input 2.2.1

跨设备语音输入传输系统 - 将手机端语音识别文本传送到电脑

跨设备语音输入传输系统

将手机端的语音识别结果，通过局域网实时传送到电脑（Windows / Linux / macOS），自动写入剪贴板并可粘贴到当前光标位置。支持任意手机语音输入法（如豆包、讯飞、搜狗、Gboard 等）。

v2.2.1 新特性：新增公网 Relay 转发模式与部署文档，支持华为云桌面等无公网地址场景通过 WebSocket 反连完成手机语音输入。

工作原理

手机（语音输入法）→ 局域网 HTTP → 电脑端服务 → 剪贴板 → 可选自动粘贴

手机浏览器打开电脑端服务提供的网页，在文本框里用语音输入法输入文字，点击发送或启用自动发送，文本即刻传到电脑剪贴板并可自动粘贴。

平台支持

平台	仅复制	自动粘贴	备注
Windows	✅	✅	无需管理员权限
macOS	✅	✅	无需特殊权限
Linux (Xorg)	✅	✅	需要 sudo
Linux (Wayland)	✅	⚠️ 可能受限	建议使用「仅复制」模式

安装

方式一：pip 安装（推荐）

# 安装基础版（仅复制到剪贴板，不含自动粘贴）
pip install .

# 安装完整版（含自动粘贴 + 生产部署 + YAML 配置 + Relay）
pip install ".[all]"

# 仅额外安装公网 Relay 转发依赖
pip install ".[relay]"

方式二：直接运行

pip install -r requirements.txt

快速开始

# Windows
voice-input -p 8080

# Linux（自动粘贴需要 root）
sudo voice-input -p 8080

# 指定端口 + Token
voice-input -p 9090 -t my-secret-token

# 使用配置文件
voice-input -c config.yaml

# python -m 方式
python -m voice_input -p 8080

# 兼容旧入口
python voice_server.py -p 8080

发送消息到手机端

# 直接发送文本（支持 Markdown）
voice-input-send "你好，这是一条测试消息"

# 从文件发送
voice-input-send -f output.md -s cascade

# 管道输入
echo "## 任务完成" | voice-input-send

# 指定服务器和 Token
voice-input-send "消息" --server http://192.168.1.100:8080 -t $VOICE_INPUT_TOKEN

环境变量自动读取：VOICE_INPUT_TOKEN（鉴权）、VOICE_INPUT_SERVER（服务器地址，默认 http://localhost:8080）

启动后终端会输出：

============================================================
  跨设备语音输入传输系统 v2.2.1
============================================================
  服务地址:  http://192.168.1.100:8080
  手机页面:  http://192.168.1.100:8080/
  Token:     未启用
============================================================

手机端操作：手机浏览器打开「手机页面」地址，在文本框里用语音输入法输入文字，点发送即可。

PWA 提示：Chrome / Edge 浏览器会出现「添加到主屏幕」横幅，点击后可将网页安装为应用，获得全屏、无浏览器工具栏的原生体验。iOS Safari 可点击分享按钮 → 添加到主屏幕。

命令行参数

用法: voice-input [选项]

选项:
  -V, --version           显示版本
  -c, --config FILE       YAML 配置文件路径
  -H, --host ADDR         监听地址 (默认 0.0.0.0)
  -p, --port PORT         监听端口 (默认 8080)
  --allowed-ips CIDR      IP 白名单，逗号分隔
  -t, --token TOKEN       鉴权 Token
  --require-token         强制启用 Token（未设 --token 时自动生成）
  --no-auto-paste         默认仅复制，不自动粘贴
  --history-size N        历史记录条数 (默认 50)
  --production            使用 waitress 生产服务器
  --workers N             工作线程数 (默认 4)
  --log-level LEVEL       日志级别 (debug/info/warning/error)

配置文件

支持 YAML 格式，参见 config.example.yaml：

port: 8080
allowed_ips:
  - "192.168.0.0/16"
  - "10.0.0.0/8"
  - "127.0.0.0/8"
  - "localhost"
token: "your-secret-token"
require_token: true
auto_paste: true
history_size: 100
db_path: ""  # 留空则使用用户配置目录下的 voice_input.db

# 命令模式配置
command_mode_enabled: true
command_prefix: "/"
command_file: "commands.yaml"
gauto_path: "gauto"
command_require_confirm_risks: ["shutdown", "reboot", "rm -rf", "kill"]

# Shell 命令模式配置
shell_enabled: true
shell_prefix: ":"
shell_confirm: true

log_level: "info"

优先级：命令行参数 > 环境变量 > 配置文件 > 默认值

环境变量

所有配置都可通过 VOICE_INPUT_ 前缀的环境变量设置：

环境变量	说明
VOICE_INPUT_PORT	端口
VOICE_INPUT_HOST	监听地址
VOICE_INPUT_TOKEN	Token
VOICE_INPUT_REQUIRE_TOKEN	是否强制 Token (1/true)
VOICE_INPUT_ALLOWED_IPS	IP 白名单（逗号分隔）
VOICE_INPUT_AUTO_PASTE	默认自动粘贴 (1/true)
VOICE_INPUT_HISTORY_SIZE	历史条数
VOICE_INPUT_DB_PATH	SQLite 数据库路径
VOICE_INPUT_COMMAND_MODE_ENABLED	启用命令模式
VOICE_INPUT_COMMAND_PREFIX	命令前缀（默认 /）
VOICE_INPUT_COMMAND_FILE	命令定义文件路径
VOICE_INPUT_SHELL_ENABLED	启用 Shell 命令模式
VOICE_INPUT_SHELL_PREFIX	Shell 前缀（默认 :）
VOICE_INPUT_LOG_LEVEL	日志级别

用户配置目录

首次启动时自动在用户配置目录创建默认 config.yaml 和 commands.yaml：

系统	配置目录
Linux	~/.config/voice-input/
macOS	~/Library/Application Support/voice-input/
Windows	%APPDATA%\voice-input\

配置优先级：命令行参数 > 环境变量 > 当前目录 config.yaml > 用户配置目录 config.yaml > 默认值。

注意：sudo 运行时会自动使用 SUDO_USER 对应的真实用户目录，而非 root 目录。

PWA 安装

本项目支持 Progressive Web App（PWA），可将网页安装为桌面 / 主屏幕应用，获得类原生体验：

• 全屏运行（无浏览器地址栏）
• 离线可访问（App Shell 由 Service Worker 缓存）
• 主屏幕图标 + 启动画面
• 深色 / 浅色模式切换（自动跟随系统主题，也可手动切换）

广泛兼容性：服务端自动生成 192×192 和 512×512 PNG 图标（纯 Python，无额外依赖），同时提供 SVG 图标，确保 Android Chrome/Edge、Samsung Internet、iOS Safari 等主流浏览器均可正常安装。

Android（Chrome / Edge）

1. 手机浏览器访问服务地址，页面顶部出现「添加到主屏幕」横幅，点击安装
2. 或浏览器菜单 → 「添加到主屏幕」/ 「安装应用」

iOS（Safari）

1. Safari 访问服务地址
2. 点击底部分享按钮（方块+箭头图标）
3. 选择「添加到主屏幕」

注意：PWA 安装需要通过 HTTP（局域网）或 HTTPS 访问，不支持直接打开本地文件。

手机端功能

网页端针对手机屏幕优化，支持以下功能：

• 深色 / 浅色模式：头部🌙/☀️按钮切换，默认跟随系统主题，偏好自动保存
• 连接设置：手动设置服务器地址（留空则使用当前页面地址），实时显示连接状态
• Token 配置：Token 输入框常驻，方便 PWA 安装后切换服务器时重新配置
• 发送模式：仅复制 / 自动粘贴（Ctrl+V）/ 终端粘贴（Ctrl+Shift+V）
• 自动发送：开启后，语音输入停顿后自动发送，停顿时间可通过滑块自定义（0.5 - 5 秒）
• 发送后清空：发送成功后自动清空输入框，方便连续输入
• 发送后回车：粘贴完成后自动模拟回车键（开启时自动关闭「自动发送」）
• 恢复剪贴板：粘贴后自动恢复电脑原有剪贴板内容（仅复制模式下无效）
• 发送历史：默认关闭，开启后支持：
  • 关键词搜索 + 按日期筛选 + 按类型筛选（文本/命令/Shell）
  • 类型区分显示：蓝色 文本、绿色 命令、橙色 Shell 标签
  • 单条操作：填入输入框 / 再次发送 / 复制 / 删除
  • 全选 / 反选 / 删除选中 / 清空全部
  • 游标分页：滚动触底自动加载更多
  • 导出为 JSON 或 CSV 文件
• 命令模式：输入 /命令名 执行预设动作，支持语音控制电脑操作：
  • 动作类型：key（按键）、gauto（执行脚本）、shell（Shell 命令）、platform_shell（平台特定命令）
  • 匹配模式：keyword（关键词模糊）、exact（精确）、regex（正则）
  • 自动创建命令配置：commands.yaml，首次启动自动生成示例命令
  • 命令输出自动推送到消息面板，实时查看执行结果
• Shell 命令模式：输入 :shell命令 直接在电脑执行 Shell 命令，输出实时反馈
• 快捷操作：独立于文本发送的扩展功能，支持：
  • 预设按键：← ↑ ↓ → 、Backspace、Delete、Enter、Tab、Esc、Space、鼠标左键、鼠标右键
  • 修饰键构造：可先选中 Ctrl / Shift / Alt，再点击预设按键，组合为 ctrl+tab、ctrl+shift+enter、ctrl+1、ctrl+alt+tab 等
  • 自定义按键 / 组合键（如 ctrl+c、alt+tab、shift+enter）
  • 修饰键也可与自定义输入框内容叠加组合，例如先勾选 Ctrl + Alt，再在输入框中填写 tab，即可发送 ctrl+alt+tab
  • 发送后清空：提供独立开关，发送成功后自动清空快捷操作输入框，便于连续发送不同组合键
  • 可配置发送次数（1–100）和发送间隔（50–5000 ms）
• 消息接收：支持从电脑端（大模型、脚本、API）回传消息到手机端，实现类似对话聊天的体验：
  • 固定高度滚动容器，类聊天应用体验
  • 自动吸底：新消息到达时自动滚动到底部（上翻查看历史时停止吸底）
  • 触顶加载旧消息：滚动到顶部自动加载更早的消息，保持视口位置
  • 自动渲染 Markdown 语法（标题、列表、代码块、表格、链接等）
  • 3 秒自动轮询新消息，新消息徽章提示
  • 关键词搜索 + 日期筛选
  • 批量选择（全选 / 反选）+ 批量删除
  • 单条复制（复制原始 Markdown 源码）
  • 导出为 JSON、CSV 或 Markdown
  • 「↑ 继续发送」按钮快速跳回输入框，方便多轮交互
• 折叠卡片：连接设置、发送模式、消息接收等卡片均支持折叠/展开，状态自动保存
• 设置持久化：服务器地址、Token、主题、模式、开关、延迟时间等自动保存到浏览器 localStorage
• 响应式布局：自适应不同手机屏幕尺寸，支持竖屏与横屏

生产部署

使用 waitress

# Windows
voice-input --production --workers 4 -t my-token

# Linux
sudo voice-input --production --workers 4 -t my-token

systemd 服务（Linux）

创建 /etc/systemd/system/voice-input.service：

[Unit]
Description=Voice Input Server
After=network.target

[Service]
Type=simple
User=root
ExecStart=/usr/local/bin/voice-input --production -c /etc/voice-input/config.yaml
Restart=on-failure
RestartSec=5

[Install]
WantedBy=multi-user.target

sudo systemctl daemon-reload
sudo systemctl enable --now voice-input
sudo systemctl status voice-input

公网 Relay 转发部署

适用于手机和桌面端不在同一局域网、桌面端没有公网地址的场景，例如华为云桌面办公环境。

工作架构

手机页面 -> 公网 Relay 服务 -> WebSocket 反连桌面客户端 -> 本地剪贴板/粘贴/命令模式

公网 Relay 服务只做转发，不执行剪贴板、键盘或 Shell 操作。桌面端主动连接 Relay，因此桌面端不需要公网 IP 或端口映射。

公网服务器启动 Relay

voice-input-relay --host 0.0.0.0 --port 8090 --token your-relay-token

常用接口：

路径	方法	说明
/	GET	Relay 简化手机页面
/health	GET	健康检查
/relay/health	GET	Relay 健康检查
/relay/devices	GET	在线桌面设备列表
/relay/input	POST	手机端发送文本
/relay/ws	GET	桌面端 WebSocket 反连

桌面端反连

独立客户端：

voice-input-relay-client \
  --server https://voice.example.com \
  --token your-relay-token \
  --device-id huawei-cloud-desktop

或随主服务启动：

voice-input --production \
  --relay-enabled \
  --relay-server-url https://voice.example.com \
  --relay-token your-relay-token \
  --relay-device-id huawei-cloud-desktop

推荐 Nginx 反代配置

建议公网只暴露 HTTPS/WSS，由 Nginx 转发到本机 Relay 服务：

server {
    listen 80;
    server_name voice.example.com;
    return 301 https://$host$request_uri;
}

server {
    listen 443 ssl http2;
    server_name voice.example.com;

    ssl_certificate /etc/letsencrypt/live/voice.example.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/voice.example.com/privkey.pem;

    client_max_body_size 1m;

    location / {
        proxy_pass http://127.0.0.1:8090;
        proxy_http_version 1.1;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_read_timeout 3600s;
        proxy_send_timeout 3600s;
    }
}

推荐 systemd 配置

创建环境变量文件：

sudo install -d -m 755 /etc/voice-input
sudo tee /etc/voice-input/relay.env >/dev/null <<'EOF'
VOICE_INPUT_RELAY_TOKEN=your-relay-token
VOICE_INPUT_RELAY_HOST=127.0.0.1
VOICE_INPUT_RELAY_PORT=8090
VOICE_INPUT_RELAY_LOG_LEVEL=info
EOF

创建 /etc/systemd/system/voice-input-relay.service：

[Unit]
Description=voice-input Relay Server
After=network-online.target
Wants=network-online.target

[Service]
Type=simple
EnvironmentFile=/etc/voice-input/relay.env
ExecStart=/usr/local/bin/voice-input-relay
Restart=always
RestartSec=3
User=www-data
Group=www-data

[Install]
WantedBy=multi-user.target

启动：

sudo systemctl daemon-reload
sudo systemctl enable --now voice-input-relay
sudo systemctl status voice-input-relay

如果 voice-input-relay 不在 /usr/local/bin，用下面命令确认实际路径后修改 ExecStart：

which voice-input-relay

API 接口

路径	方法	鉴权	说明
/	GET	无	手机端输入页面
/status	GET	无	服务状态
/manifest.json	GET	无	PWA 清单
/sw.js	GET	无	Service Worker
/icon.svg	GET	无	应用图标（SVG）
/icon-192.png	GET	无	应用图标 192×192
/icon-512.png	GET	无	应用图标 512×512
/history	GET	✅	发送历史列表（?limit=20&before_id=xxx 游标分页）
/history/<id>	DELETE	✅	删除单条历史
/history	DELETE	✅	清空全部历史（body {"ids":[1,2]} 批量删除）
/history/export	GET	✅	导出历史（?format=json 或 csv）
/input	POST	✅	接收文本/命令/Shell
/key	POST	✅	发送按键 / 鼠标点击
/commands	GET	✅	命令列表
/commands	POST	✅	新增命令
/commands/<id>	GET	✅	获取命令详情
/commands/<id>	PUT	✅	更新命令
/commands/<id>	DELETE	✅	删除命令
/commands/reload	POST	✅	重新加载命令文件
/commands/test	POST	✅	测试命令匹配
/commands/execute	POST	✅	执行指定命令
/message	POST	✅	推送消息到手机端
/messages	GET	✅	消息列表（?since=xxx 增量 / ?before_id=xxx 翻页）
/messages/<id>	DELETE	✅	删除单条消息
/messages	DELETE	✅	批量删除消息
/messages/export	GET	✅	导出消息

所有接口均支持 CORS（Access-Control-Allow-Origin: *），方便 PWA 在跨域场景下访问自定义服务器地址。

POST /input

{
  "text": "要发送的文本",
  "action": "paste",
  "device_id": "phone_web",
  "timestamp": 1700000000000,
  "restore_clipboard": false,
  "press_enter": false
}

action 取值：

• copy — 仅复制到剪贴板
• paste — 复制 + Ctrl+V
• paste_terminal — 复制 + Ctrl+Shift+V（Linux）；Windows 下等同 paste
• type — 逐字键入

附加参数：

• restore_clipboard：布尔值，是否在粘贴后恢复电脑原有剪贴板内容（仅 action 非 copy 时有效）
• press_enter：布尔值，是否在粘贴后自动模拟回车键（仅 action 非 copy 时有效）

鉴权：Token 可通过 X-Auth-Token Header、?token= Query 参数或 Body 中 token 字段传递。

POST /key

{
  "key": "up",
  "count": 1,
  "interval": 100
}

key 取值：

• 方向键：up / down / left / right
• 功能键：enter / tab / escape / space / backspace / delete
• 鼠标：click（左键点击）、right_click（右键点击），Linux 下使用 ydotool
• 组合键：ctrl+c、alt+tab、ctrl+shift+t 等（使用 keyboard 库语法）

常见别名兼容：

• windows / cmd / command / meta / super 会自动转换为 win（通过 scan code 125 发送，确保 Linux 下可用）
• ctl / control 会自动转换为 ctrl
• option / opt 会自动转换为 alt
• esc -> escape，del -> delete，return -> enter
• 因此你可以直接输入：win+d、cmd+d、meta+d、ctl+esc、option+tab

前端组合方式：

• 可先点击 Ctrl / Shift / Alt / Win 修饰键按钮，再点击预设按键
• 也可先选择修饰键，再在自定义输入框中输入 tab、d、1、enter 等基础键名
• 前端会自动拼接为标准组合字符串，例如：win+d、ctrl+alt+tab、ctrl+1、ctrl+shift+enter

参数：

• count：执行次数（1–100，默认 1）
• interval：每次间隔毫秒数（50–5000，默认 100）

消息接收 API

推送消息

POST /message
Content-Type: application/json

{
  "content": "消息内容，支持 **Markdown** 语法",
  "source": "cascade"
}

• content（必填）：消息内容，支持完整 Markdown 语法
• source（可选）：来源标识，默认 "api"

获取消息列表

GET /messages                    ← 最近 50 条消息
GET /messages?since=5            ← ID > 5 的新消息（用于轮询）
GET /messages?before_id=100      ← ID < 100 的更早消息（翻页）
GET /messages?limit=30           ← 指定返回条数

删除消息

DELETE /messages/<id>      ← 删除单条
DELETE /messages           ← 清空全部
DELETE /messages           ← body {"ids":[1,2,3]} 批量删除

导出消息

GET /messages/export?format=json
GET /messages/export?format=csv

快速示例（curl）

# 发送 Markdown 消息
curl -X POST http://localhost:8080/message \
  -H "Content-Type: application/json" \
  -d '{"content": "## 任务完成\n\n- [x] 功能A\n- [ ] 功能B", "source": "cascade"}'

# 查看消息
curl http://localhost:8080/messages

常见问题

自动粘贴不生效

• Linux：keyboard 库需要 root 权限，请用 sudo 运行
• Linux Wayland：模拟按键可能不稳定，建议切换到 Xorg 会话，或使用「仅复制」模式后手动 Ctrl+V
• Windows：通常无需特殊权限，如仍不生效请以管理员身份运行
• 确保发送时电脑端目标输入框处于焦点状态

手机连不上

• 确保手机和电脑在同一局域网 / Wi-Fi
• 检查防火墙：
  • Linux：sudo ufw allow 8080/tcp
  • Windows：在「Windows Defender 防火墙」中放行对应端口
• 检查 IP 白名单配置是否包含手机所在网段

PWA 安装后无法连接

• PWA 安装时使用的是安装时的服务器地址（存储在 localStorage）
• 如服务器 IP 变动，打开 PWA 后在「连接设置」中更新服务器地址即可
• 连接状态指示灯：🟡 检测中 / 🟢 已连接 / 🔴 连接失败

PWA 页面内容未更新

• Service Worker 使用 stale-while-revalidate 策略，页面会在后台自动更新
• 更新完成后页面顶部会弹出提示，下次打开 PWA 即使用新版本
• 也可在浏览器开发者工具 → Application → Service Workers → 点击「Update」强制更新

快捷操作的鼠标点击无效

• Linux：需要安装 ydotool：sudo apt install ydotool
• Linux：当前实现会通过 sudo ydotool 执行点击，请确保当前运行环境允许该命令正常执行
• Linux Wayland：不同桌面环境兼容性不同，如无效请确认 ydotoold 服务状态和权限配置
• Windows：无需额外安装，通过 ctypes 直接调用 Win32 API

打包发布

pip install build
python -m build

# 生成的包在 dist/ 目录
# dist/voice_input-2.2.1-py3-none-any.whl
# dist/voice_input-2.2.1.tar.gz

项目结构

db_voice_input/
├── pyproject.toml          # 打包配置
├── requirements.txt        # 依赖清单
├── README.md               # 本文档
├── config.example.yaml     # 配置文件示例
├── commands.example.yaml   # 命令定义示例
├── .gitignore              # Git 忽略规则
├── voice_server.py         # 兼容旧入口
├── .windsurf/workflows/    # Windsurf skill 工作流
│   └── send-message.md     # 消息回传 skill（供大模型调用）
└── voice_input/            # Python 包
    ├── __init__.py         # 包信息与版本
    ├── __main__.py         # python -m 入口
    ├── cli.py              # 命令行解析与启动
    ├── send.py             # 消息发送 CLI（voice-input-send）
    ├── config.py           # 配置管理（YAML/环境变量/CLI 三级合并）
    ├── storage.py          # SQLite 持久化（历史/消息存储）
    ├── commands.py         # 命令模式（匹配/执行）
    ├── server.py           # Flask 应用与路由
    ├── utils.py            # 工具函数
    └── templates/
        └── index.html      # 手机端 UI（响应式 + Markdown 渲染）

数据存储

• 配置文件：用户配置目录下的 config.yaml（首次启动自动生成）
• 命令定义：用户配置目录下的 commands.yaml（首次启动从示例复制）
• 发送历史 & 消息：SQLite 数据库 voice_input.db（持久化存储，非内存）

License

MIT