按住 Option 说话，VIME 实时将你的语音转成文字，松手即注入任意应用的光标处——支持本地/云端 ASR 自由切换，润色、翻译等后处理模块可任意拼接（对标 Wispr Flow / Typeless）。
- 全局 push-to-talk：按住 Option 说话，悬浮窗实时显示转写，松手自动注入光标处（辅助功能注入，失败回退剪贴板）
- 插件化管线：ASR 适配器 + 后处理插件链任意拼接替换，如
ASR → 润色 → 翻译 - 本地优先：sherpa-onnx（Paraformer-zh-small + Silero VAD 静音分段）离线识别，不依赖网络
- 云端可选：OpenAI 兼容端点（一个适配器覆盖 DeepSeek / 阿里云 / OpenAI 等）
- 设置即生效：菜单栏设置窗口——热键预设、ASR 引擎、润色/翻译开关、模型一键下载
- 权限引导：麦克风/辅助功能缺失时明确提示并跳转系统设置
- 私密：录音与转写默认全本地，音频不落盘；仅启用云端插件时才上传
双进程：Swift 壳负责系统集成，Python 引擎负责插件化 AI 管线，本地 WebSocket 通信。
┌─ Swift App（壳）──────────────────────────┐
│ 热键 · 音频捕获 · 悬浮窗 · 文本注入 · 引擎守护 │
└──────────────┬───────────────────────────┘
WebSocket（16kHz PCM 音频流 ↑ · 事件 ↓）
┌──────────────▼───────────────────────────┐
│ Python 引擎（uv） │
│ 音频流 → ASR 适配器 → 后处理插件链 → 结果 │
└──────────────────────────────────────────┘
管线由 engine/config.toml 驱动：chain = ["post_polish", "post_translate"] 一行即拼装"润色→翻译"。
前置：macOS 14+。
方式一：直接运行打包版（引擎已内嵌，无需仓库）
- 下载 最新 Release 的
VIME.app - 首次打开若提示「无法验证开发者」：右键点击 VIME.app → 打开（ad-hoc 签名应用的标准步骤）
- 首次启动会自动把引擎暂存到
~/Library/Application Support/VIME/engine并从暂存副本运行（绕开下载隔离标记），随后按状态栏菜单引导授权麦克风与辅助功能 - 需要本地 ASR：状态栏「设置…」→「下载本地模型」（约 80MB）
方式二：源码构建（开发）
前置：macOS 14+、uv、Swift 6（Command Line Tools 即可，无需完整 Xcode）。
# 引擎依赖 + 本地模型（约 80MB）
cd engine && uv sync --extra dev --extra asr-local && uv run vime model download
# 壳（默认打包引擎；--no-bundle-engine 跳过打包）
cd ../app && ./Scripts/build-app.sh && open build/VIME.app打开 TextEdit，按住 Option（可在「设置…」中录制自定义快捷键，支持纯修饰键与组合键如 ⇧⌘D）说话，松手即注入。
设置 → 两个独立配置区（编辑即保存，ASR 与 LLM 分开填写）：
- 云端 ASR 配置：转写端点 Base URL / API Key / Model（OpenAI 兼容转写，如
https://api.openai.com/v1，模型whisper-1）——仅当 ASR 引擎选「asr_openai（云端）」时使用 - LLM 配置（润色 / 翻译）：OpenAI 兼容 Chat Completions（如 DeepSeek：
https://api.deepseek.com/v1，模型deepseek-chat） - 配置保存在本机（API Key 明文存 UserDefaults，仅本地使用；Keychain 安全存储为后续改进项），随每次语音会话发送给引擎；未填云端 ASR 配置时自动回退使用 LLM 配置
cd engine
uv run vime list-plugins # 查看已发现插件
uv run vime run <16kHz单声道wav> --asr asr_sherpa # 本地识别
uv run vime run-text "呃 你好" --chain post_polish # 文本润色
uv run vime serve --port 8765 # 启动 WebSocket 服务（壳的引擎）| 插件 | 类型 | 说明 |
|---|---|---|
asr_sherpa |
ASR | 本地 Paraformer + Silero VAD 流式分段（默认） |
asr_openai |
ASR | OpenAI 兼容云端转写 |
post_polish |
后处理 | 去口头语、补标点、保守润色 |
post_translate |
后处理 | 中英互译（目标语言可配） |
新增插件 = 在 engine/plugins/ 放一个模块（导出 PLUGIN 元数据 + Plugin 类），配置里引用即可，无需改核心代码。
VIME/
├── engine/ # Python 引擎（uv）
│ ├── vime/ # 插件协议 · 配置 · 注册表 · 管线 · CLI · WS 服务 · 模型下载
│ ├── plugins/ # asr_sherpa / asr_openai / post_polish / post_translate
│ └── tests/ # pytest（72 用例）
├── app/ # Swift 壳（SwiftPM 三目标）
│ ├── Sources/VIMELib/ # 全部逻辑（热键/音频/悬浮窗/注入/引擎守护/配置/权限）
│ ├── Tests/VIMETests/ # 迷你测试运行器（96 断言）
│ └── Scripts/ # build-app.sh / Info.plist
└── docs/plans/ # 设计文档与各里程碑实施计划
- ✅ M1 引擎骨架与插件链（插件协议/注册表/管线/CLI）
- ✅ M2 本地 ASR 流式（VAD 分段 partial/final + 模型下载 + WebSocket 服务）
- ✅ M3 Swift 壳（热键/音频捕获/悬浮窗/AX 注入/引擎守护）
- ✅ M4 联调收口（权限引导/设置窗口/失败路径）
打开「设置…」最下方「诊断」区（默认关闭，勾选「诊断模式」开启实时刷新；点击诊断区可复制完整诊断文本），逐项对照：
- 热键监听：若「最近任意按键」始终为
-，说明系统未向 VIME 投递按键事件——检查「隐私与安全性 → 输入监控 / 辅助功能」权限；若该时间在走但「press」不变，说明按键组合未匹配绑定（重新录制快捷键） - 麦克风：按住说话时「累计字节」应持续增长；若不涨，检查麦克风权限（菜单「授权麦克风…」）或系统输入设备
- 事件尾部：出现
partial说明识别在进行；若只有error，按内容处理（模型未下载 → 设置里下载本地模型）
cd engine && uv run pytest -q # 引擎测试
cd app && swift build && .build/debug/VIMETests # 壳测试- 语音修改指令（说"把 XX 改成 YY"操作已注入文本）
- 正式签名与公证（Developer ID + notarization，当前 ad-hoc）
- 系统音频捕获（识别会议/视频语音）
- 个人词典 / 语音快捷片段 / 按应用切换语气风格
ASR 能力基于 sherpa-onnx（Paraformer + Silero VAD）与 OpenAI 兼容语音识别协议。