Codex Voice Input

Codex++ 语音输入插件 — 悬浮麦克风按钮，点击录音，自动转文字填入输入框。

English · 功能 · 快速开始 · 配置 · 常见问题

---

✨ 功能

• 🎤 一键录音 — Codex 对话框内悬浮麦克风按钮，点按即录
• 🔤 自动转录 — 录音结束自动发送到本地识别引擎，文字即刻填入输入框
• 🔒 完全离线 — 基于 faster-whisper 本地运行，语音数据不出本机
• 🌐 中英双语 — 中文 + 英文识别，可配置语言偏好
• ⌨️ 键盘快捷键 — Ctrl+Shift+V 切换录音
• 🎨 毛玻璃 UI — 深色半透明按钮，完美融入 Codex 原生界面
• 🪄 悬浮菜单 — 鼠标移到悬浮按钮可打开录音、显示模式、安装启动和 GitHub 使用说明入口
• 📡 离线感知 — 识别服务断开时按钮自动灰显，恢复后自动重连

🚀 快速开始

一键安装并启动

在 PowerShell 中运行下面命令。它会优先使用当前目录的本地安装器；如果不在仓库目录中，则会从 GitHub 下载安装器，自动部署用户脚本并启动本地识别服务。

powershell -NoProfile -ExecutionPolicy Bypass -Command '$ErrorActionPreference=''Stop''; $localInstaller=Join-Path (Get-Location) ''tools\install-and-start.ps1''; $cachedRoot=Join-Path $env:APPDATA ''Codex++\codex-voice-input''; $cachedInstaller=Join-Path $cachedRoot ''tools\install-and-start.ps1''; $cachedUserScript=Join-Path $cachedRoot ''codex-voice-input.js''; $cachedHelper=Join-Path $cachedRoot ''tools\voice-helper.py''; if (Test-Path $localInstaller) { & powershell -NoProfile -ExecutionPolicy Bypass -File $localInstaller; } else { $u=''https://github.com/whishi47/codex-voice-input/raw/master/tools/install-and-start.ps1''; $p=Join-Path $env:TEMP (''codex-voice-input-install-'' + [guid]::NewGuid().ToString(''N'') + ''.ps1''); try { Invoke-WebRequest -UseBasicParsing -Uri $u -OutFile $p; } catch { if ((Test-Path $cachedInstaller) -and (Test-Path $cachedUserScript) -and (Test-Path $cachedHelper)) { Write-Host ''[Codex Voice Input] 无法从 GitHub 下载安装器，改用本地缓存安装器。'' -ForegroundColor Yellow; & powershell -NoProfile -ExecutionPolicy Bypass -File $cachedInstaller; return; } throw ''无法从 GitHub 下载安装器，也没有找到完整的本地缓存项目。请检查网络，或先在项目目录里运行 tools\install-and-start.ps1。详细信息: '' + $_.Exception.Message; } & powershell -NoProfile -ExecutionPolicy Bypass -File $p; }'

首次识别会下载 faster-whisper 模型文件。下载完成前服务可能已经在线，但第一次转录会比较慢。

1. 安装用户脚本

将 codex-voice-input.js 复制到 Codex++ 用户脚本目录：

copy /Y codex-voice-input.js "%APPDATA%\Codex++\user_scripts\"

重启 Codex 后生效。

2. 启动识别服务

pip install -r requirements.txt
python tools/voice-helper.py --port 17420 --model small

首次运行会自动下载 faster-whisper small 模型（约 1.3 GB），请保持网络通畅。

一键启动：

tools\start-voice-helper.bat

3. 开始使用

在 Codex 对话框底部工具栏找到 🎤 按钮，点击开始录音，再次点击停止 — 文字自动填入输入框。

如果按钮显示灰色并提示「服务未连接」，说明语音识别服务未启动。运行 python tools/voice-helper.py 后按钮会自动恢复。

Demo

┌─ Codex 对话框 ────────────────────────────────────┐
│                                                    │
│  用户问题:  帮我写一个登录接口...                    │
│                                                    │
│  ┌─────────────────────────────────────────────┐  │
│  │  [输入你的需求...]                  🎤 ← 点我  │  │
│  └─────────────────────────────────────────────┘  │
│                                                    │
│  ① 点击 🎤 → 按钮变红脉冲 → 说话                    │
│  ② 再点 🎤 → 按钮变蓝旋转 → 识别中...               │
│  ③ 文字自动填入输入框 ✨                            │
└────────────────────────────────────────────────────┘

⌨️ 使用方式

操作	说明
点击按钮	开始 / 停止录音
Ctrl+Shift+V	键盘快捷键切换录音
鼠标移到悬浮按钮	打开悬浮菜单
右键按钮	打开同一套功能菜单
拖拽按钮	悬浮模式下可拖动到任意位置

悬浮菜单

悬浮菜单包含：

• 开始 / 停止录音
• 切换内联显示 / 悬浮显示
• 复制一键安装启动命令
• 打开 GitHub 项目和使用说明

⚙️ 配置

编辑 config/config.json：

{
  "language": "zh",       // 识别语言: auto / zh / en
  "model": "small",       // 模型大小: tiny / base / small / medium / large-v3
  "helperPort": 17420     // 本地识别服务端口
}

🧠 模型选择

模型	体积	中文准确率	速度（10s 音频）
tiny	390 MB	一般	实时
base	580 MB	较好	实时
small	1.3 GB	优秀	~7s
medium	2.6 GB	更优	~20s
large-v3	5.7 GB	最佳	~35s

推荐默认使用 small，兼顾速度与准确率。

🏗 架构

Codex Electron 渲染进程
┌──────────────────────────────────────────┐
│  codex-voice-input.js (Codex++ 插件)     │
│                                          │
│  🎤 → AudioContext 16kHz PCM → WAV      │
│         │                                │
│         │  fetch POST                    │
│         ▼                                │
│  文字 ← JSON  ← localhost:17420          │
│         │                                │
│  注入 Codex 输入框                        │
└──────────────────┬───────────────────────┘
                   │ HTTP (本机回环)
┌──────────────────▼───────────────────────┐
│  tools/voice-helper.py (Python 进程)     │
│                                          │
│  HTTP Server → faster-whisper (small)    │
│  接收 WAV → 转录 → 返回文字 JSON          │
│                                          │
│  🔒 不联网 · 不出本机 · 无 API Key        │
└──────────────────────────────────────────┘

❓ 常见问题

按钮显示灰色怎么办？

语音识别服务未启动。运行 python tools/voice-helper.py 启动后，按钮会在 30 秒内自动恢复。

麦克风权限被拒绝？

在 Windows 设置 → 隐私和安全性 → 麦克风中，允许 Codex 访问麦克风。

识别准确率不够高？

在 config/config.json 中将 model 改为 medium 或 large-v3。注意：更大的模型需要更多内存和磁盘空间。

可以换端口吗？

可以。启动 helper 时指定 --port 8080，并同步修改 config.json 中的 helperPort。

识别服务占用多少内存？

small 模型约占用 2 GB 内存，medium 约 3 GB，large-v3 约 6 GB。

🔗 相关项目

• CodexPlusPlusScriptMarket — Codex++ 插件市场
• faster-whisper — CTranslate2 加速版 Whisper
• Codex Desktop — OpenAI Codex CLI & Desktop

🤝 贡献与审核

欢迎提交 issue 和 pull request。为了保证用户脚本安全，所有外部代码提交都需要维护者审核后再合并。

• 不要提交 API Key、Token、真实用户目录、邮箱、私网地址或带凭据的 URL
• 修改 codex-voice-input.js 后，请运行 npm test
• 涉及安装、启动、依赖或本地进程的改动，需要说明安全影响
• 维护者会检查代码、测试结果和是否包含隐私数据后再合并

📄 许可证

MIT License