- bundle: com.xs.voicetype → com.xs.xtype;CFBundleName/Executable → XType
- 文件: src/voicetype.swift → src/xtype.swift;docs/voicetype/ → docs/xtype/
- 路径: /Applications/VoiceType.app → /Applications/XType.app;/tmp/voicetype.{log,build}
- 配置: ~/.voicetype-engine → ~/.xtype-engine
- 凭据 vault: xf_vt_{APPID,APISecret,APIKey} → xf_xt_*
- 文档: AGENTS.md / README.md / GOTCHAS.md 全量替换
- git remote: x/voicetype → x/xtype
影响 TCC:bundle id 变了,用户首次装需重新授三件套(麦/语音/辅助)。
用户操作:已 killall VoiceType + 删旧 .app + 迁 vault + remote set-url。
Co-Authored-By: Claude Code <[email protected]>
4.2 KiB
4.2 KiB
xtype / XType
macOS 工具:长按鼠标左键 → 说话 → 松开自动粘贴到光标处(任意 app 输入框;微信窗口内自动放行给微信自己的语音输入)。
布局
src/xtype.swift 全部源码(单文件探针,~330 行)
src/Info.plist app 包描述(权限声明)
src/build.sh 构建+签名+安装+重启一条龙
docs/xtype/ 详细文档(用法/架构/踩坑)
常用命令
src/build.sh # 编译 → 签名 → 装到 /Applications → apple-llm 启动 → 打日志(默认)
src/build.sh apple # 纯端侧(无 LLM 精修)
src/build.sh apple-llm # 端侧 + LLM 异步精修
src/build.sh xunfei # 同上,但经 xop 注入讯飞凭据 → 讯飞 IAT v2 WebSocket 引擎
src/build.sh dual # apple + xunfei 并行 + LLM 精修(需 xop 注入)
tail -f /tmp/xtype.log # 看判定/识别/粘贴日志
killall XType # 停止
引擎切换(两个互不重叠的层面)
- 持久切换:
echo apple|apple-llm|xunfei|dual > ~/.xtype-engine,任意方式启动都生效。 - 启动方式注入:
src/build.sh xunfei用xop run --secret ... -- open ...临时把讯飞凭据塞进进程环境变量,只对当次启动有效,不会写到磁盘/源码。
讯飞凭据一次性入库(从 TTY 读值,源码/git/日志都不出现):
xop set xf_xt_APPID # APPID
xop set xf_xt_APISecret # APISecret
xop set xf_xt_APIKey # APIKey
LLM 配置(apple-llm / dual 需要;无 INI 则静默回退 apple 原文):
# ~/ssw.ini
[llm-api]
key=sk_xxxxxxxxxxxx
base-url=https://your-llm-proxy/v1
model=GLM-5.3-Flash
容忍全角破折号 — 与半角 - 等价。引擎请求时强制带 thinking: {type: "disabled",绕过 GLM 推理模式(7s → 1s)。
红线(违反必翻车)
- 签名必须用固定 Apple Development 证书(
src/build.sh里的IDENT)。ad-hoc-s -每次重编译身份都变,TCC 当成新 app,三项授权全作废。 - 必须以 .app 形式装在 /Applications 并 LaunchServices 注册。裸 CLI 的 TCC 归属是宿主终端,行为混乱;/tmp 下的 app 进不了辅助功能列表。
- 权限三件套缺一不可:麦克风(录音)、语音识别(apple 引擎)/ 辅助功能(全模式)。日志
trusted: true+mic granted: true+speech auth: 3全绿才算就绪。 - 长按状态机:一次按下只判定一次(激活/跳过后进
.dead,松开才复位)。打回 idle 会在按住期间循环重启录音引擎(已踩过)。 - 讯飞凭据永不落盘:源码/git/日志/argv/历史都不能出现 APPID/APISecret/APIKey 明文。运行时统一经
xop run --secret KEY=xf_xt_* -- open ...注入到ProcessInfo.processInfo.environment["XUNFEI_*"]。引擎拿到空 env 时直接报错退出,不静默回退 apple(避免"以为用了讯飞结果识别差"的误判)。 - LLM 凭据明文存于
~/ssw.ini(用户偏好,不进 xop);key字段不进源码/git/日志。LLM 失败/超时/未配 → 保留 Apple 原文,不静默丢弃。
核心设计(为什么这么做)
- 鼠标左键轮询零权限可用(
CGEventSource.buttonState),Fn/Globe 键则轮询不可见——所以触发方式选左键而不是 Fn(实验证据见 GOTCHAS §1)。 - 判定用"光标下最顶层窗口归属"(CGWindowList z 序),不用
frontmostApplication——微信悬浮窗会霸占键盘焦点导致误判(踩坑见 GOTCHAS §5)。 - 判定三层:AX 焦点角色严格判断 →
AXManualAccessibility强开 Chromium 系 AX 再查 → 完全不透明则 app 级兜底放行。 - 注入 = 写剪贴板 + 合成 ⌘V,1.5s 后恢复原剪贴板(与微信同款)。
- 识别引擎可插拔:
protocol ASREngine+pickEngine()读~/.xtype-engine。默认 Apple 端侧 SFSpeechRecognizer(zh-CN,离线流式);备选 讯飞 IAT v2 流式 WebSocket(端点wss://iat-api.xfyun.cn/v2/iat,HMAC-SHA256 鉴权,40ms 切片推送,服务端逐条返回拼接)。微信自家 ASR 是私有鉴权协议,外部不可用。
详细原理与全部踩坑:docs/xtype/README.md、docs/xtype/GOTCHAS.md。
详细原理与全部踩坑:docs/xtype/README.md、docs/xtype/GOTCHAS.md。