English | 中文
PageTalk 是一款开源的 Chrome 浏览器扩展，它能让你在任何网页的文本框中通过语音进行输入，彻底解放你的双手。无论是在搜索引擎、社交媒体、电子邮件还是在线文档中，只需点击悬浮按钮或按下快捷键，即可开始说话，文字便会自动输入。
- 🌐 随处可用: 在任何网页的输入框、文本域或富文本编辑器中都能使用语音输入。
- 🖱️ 悬浮按钮: 界面上会显示一个可拖动的悬浮麦克风按钮，单击即可开始/停止录音。
- ⌨️ 快捷键支持: 完全可自定义的全局快捷键，让你无需鼠标也能高效操作。
- 🚀 双引擎驱动:
- 免费服务: 内置一个开箱即用的免费识别服务，无需任何配置。
- 阿里云百炼: 支持配置你自己的阿里云百炼 API Key，使用性能更强、更稳定的
qwen3-asr-flash模型。
- 🌍 多语言支持: 支持自动检测语言，也可手动选择包括中文、英语、日语在内的十几种常用语言。
- 📄 文件转录: 双击悬浮按钮即可打开转录面板，支持拖拽本地音频/视频文件进行离线转录。
- 🧠 智能格式化: 开启“逆向文本标准化”（ITN）后，能将语音中的数字、日期、单位等自动转换为书面语格式（例如，“一百块钱” -> “100元”）。
- 🎯 上下文优化: 可设置特定领域的专业词汇作为上下文，显著提升复杂场景下的识别准确率。
- 🎨 高度可定制:
- UI 缩放: 自由调整悬浮按钮及相关 UI 的大小。
- 按钮显隐: 可选择隐藏悬浮按钮，完全通过快捷键操作。
- 自动复制: 识别完成后自动将文本复制到剪贴板。
- 设备选择: 自由选择要使用的麦克风设备。
即将上架，敬请期待！
- 下载并解压扩展程序包。
- 对于普通用户: 点击下载最新打包好的稳定版 -> pagetalk.zip
- 对于开发者: 克隆最新的源码:
git clone https://github.com/yeahhe365/PageTalk.git
- 打开 Chrome 浏览器，在地址栏输入
chrome://extensions/并回车。 - 在页面右上角，打开 “开发者模式” 开关。
- 点击左上角的 “加载已解压的扩展程序” 按钮。
- 在弹出的文件选择框中，选择你刚刚下载并 解压 后的项目文件夹。
- 安装完成！你可以在浏览器工具栏看到 PageTalk 的图标。
首次使用时，请点击浏览器工具栏上的 PageTalk 图标进行设置。
- API 服务:
- Free: 默认选项，无需任何配置即可直接使用。
- 阿里云百炼: 性能更佳。选择此项后，请在下方输入你的 API Key。(如何申请？)
- 语言: 推荐使用“自动检测”，它能识别多种语言。如有特定需求，也可手动选择。
- 麦克风: 选择你希望使用的录音设备。
- 快捷键: 点击输入框，然后直接按下你想要的组合键即可设置。
- 其他选项: 根据你的使用习惯调整悬浮按钮、UI 缩放、自动复制等功能。
- 在任意网页上，用鼠标点击一个文本输入框（如搜索框、评论区等）。
- 通过以下任一方式开始录音：
- 单击 屏幕右下角的悬浮麦克风按钮。
- 按下你设置的 “开始/停止”快捷键 (默认为
Ctrl+/)。
- 按钮会显示录音动画，此时开始说话。
- 说完后，再次 单击 悬浮按钮或按下 快捷键 停止录音。
- 识别出的文本会自动插入到你之前点击的输入框中。
- 双击 悬浮麦克风按钮，屏幕中央会弹出一个转录面板。
- 将你的音频或视频文件（支持
mp3,wav,mp4,m4a等多种格式）拖拽到面板的虚线框内。 - 等待识别完成，文本会显示在面板的文本框中。
- 你可以方便地复制识别结果。
我们高度重视你的隐私安全。
- 数据传输: 你的语音数据会被实时加密传输至你所选择的 API 服务提供商（Free 服务或阿里云）进行处理，扩展本身不会存储任何语音或文本内容。
- 本地存储: 你的配置信息（如 API Key、快捷键设置等）仅会加密存储在你的本地浏览器中，并利用 Chrome 的同步功能在你的设备间同步，我们无法访问这些信息。
欢迎任何形式的贡献！无论是提交 Bug 反馈、功能建议还是代码 Pull Request。
- 报告问题: 如果你遇到了问题或有好点子，请通过 GitHub Issues 告诉我们。
- 贡献代码:
- Fork 本项目。
- 创建你的功能分支 (
git checkout -b feature/AmazingFeature)。 - 提交你的更改 (
git commit -m 'Add some AmazingFeature')。 - 将分支推送到你的 Fork (
git push origin feature/AmazingFeature)。 - 提交一个 Pull Request。
本项目基于 MIT License 开源。