本项目是一个基于 AI 的助手工具，能够从windows的输入输出设备中捕获音频，将音频转为文字后，再调用 LLM（大语言模型） API 给出回答。项目主要包括录音、转写和 AI 回答三个模块，旨在为个人的正当学习、工作、科研提供辅助支持。
部分内测用户反映，本工具可能可以在面试、会议、学习等场景中提供一定的帮助，比如在在线会议软件中作为AI面试工具辅助面试：获取面试官的音频然后得到回答，但是请注意：本工具仅供学习交流使用，不得用于任何不正当用途。
经测试，本工具能够借助第三方工具隐藏界面以防止被录屏软件、屏幕共享等功能录制到，但工具本身不具备隐藏界面的功能。是否使用第三方工具与作者无关，风险由用户自行承担。
如果对你有所帮助，可以通过微信扫码打赏，感谢你的支持！
-
音频捕获
使用 LoopbackRecorder 从系统录制音频（支持 loopback 设备），并保存为 WAV 文件。 -
语音转写
基于 Whisper 模型在本地进行音频转写，支持多种模型规格（默认使用base模型）。 -
AI 辅助回答
通过调用 LLM API（配置在config.ini中）对转写后的文本进行分析，生成回答。支持流式返回并实时更新界面。 -
图形用户界面
基于 PyQt5 构建的简洁 GUI，支持录音、转写、发送文本至 LLM 等操作，并对 LLM 回复支持 Markdown 渲染。
C:.
│ config.ini
│ logo.png
│ main.py
| main_cmd.py
| README.md
│ requirements.txt
│
├── output
└── src
│ audio_capture.py
│ llm_client.py
│ transcriber.py
│ __init__.py
│
└── utils
│ config_loader.py
│ __init__.py
-
config.ini
配置文件，包含 API 接口地址、API key、使用的模型、设备索引、默认提示词等参数。 -
logo.png
应用程序图标（用于 GUI 窗口）。 -
main.py/main_cmd.py
程序入口，负责启动图形界面和整体工作流程。 -
output/
存放录音文件。 -
requirements.txt
列出项目依赖的 Python 包（例如 PyQt5、markdown2、whisper、openai 等）。 -
src/
存放核心模块：audio_capture.py：音频录制模块。transcriber.py：语音转写模块。llm_client.py：调用 LLM API 的客户端。utils/：包含一些工具类和配置加载模块。
- FFmpeg
本项目依赖 FFmpeg 进行部分音频处理，请确保已正确安装并配置环境变量。- 安装方法示例：
- Windows 用户：
- Mac 用户可使用 Homebrew 安装：
brew install ffmpeg
- whisper项目提到
You may need rust installed as well,所以需要可能安装rust（但不安装好像没事儿，建议先不装，如果transcriber.py不能正常运行再参考Whisper ）
- 安装方法示例：
建议使用miniconda或者anaconda创建虚拟环境（建议安装 Python 3.10版本）：
conda create -n interview python=3.10
conda activate interview然后使用以下命令安装项目所需依赖：
pip install -r requirements.txt请根据实际情况修改根目录下的 config.ini 文件，其中包括：
- API_URL：LLM API 的地址。
- API_KEY：访问 API 的密钥。
- MODEL：调用的模型名称（例如
deepseek-ai/DeepSeek-R1-Distill-Qwen-7B，其他模型名称可以访问硅基流动（官网链接）-模型广场查看。 - SPEAKER_DEVICE_INDEX 与 MIC_DEVICE_INDEX：录音设备的索引，视具体系统配置而定。建议阅读录音设备索引和注意事项部分。
- OUTPUT_DIR：存储录音文件的目录。
- WHISPER_MODEL_SIZW：whisper模型的大小，可选项为tiny
base、small、medium、large、turbo。 - DEFAULT_PROMPT：是拼接在发送给 LLM 的文本最前端的默认提示词，可根据使用场景调整，例如“你是一个XX方面的专家，你马上获取到的文本来自于XX，请你据此给出合理简洁的回答：”
- 建议注册硅基流动（官网链接）获取
API_KEY，新用户受邀可获取14元额度（邀请码TzKmtDJH），足够用一段时间了 - 官网左侧菜单栏-API秘钥-新建API秘钥-获取一段形如
sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxx的长字符串替换config.ini里的API_KEY即可 - 使用其他支持OpenAI API的服务也可以，只需替换
API_URL和API_KEY即可（还是建议使用siliconflow，工具默认使用的deepseek-ai/DeepSeek-R1-Distill-Qwen-7B模型完全免费，白嫖万岁！）
- 默认
SPEAKER_DEVICE_INDEX置为了-1，这会自动寻找可用的默认wasapi_loopback设备，一般录制的就是你的目前的扬声器（耳机）听到的声音，但如果出现问题，建议手动运行audio_capture.py查看全部可用设备后，手动指定正确的设备。你也可以通过修改这个参数使得录制的是麦克风输入的声音。
python src/audio_capture.py项目各核心模块（录音、转写、LLM 客户端）均包含简单的测试代码。你可以分别运行下列文件，检查各功能模块是否正常运行：
src/audio_capture.py—— 用于实现音频录制功能（能够打印出系统中的音频设备列表）。src/transcriber.py—— 用于实现音频转写功能（首次运行会自动下载模型）。src/llm_client.py—— 用于实现 LLM 客户端功能（调用 LLM API 并返回回答）。
运行 main.py 启动完整的面试助手 GUI：
python main.py在 GUI 中你可以依次进行以下操作：
- 开始录音：点击“开始录音”按钮，程序将自动生成唯一的录音文件名并开始录制音频。
- 结束录音：点击“结束录音”按钮结束录音，录音文件保存在
output目录中。 - 转写文字：录音结束后（或手动点击），调用转写模块，将录音转为文字并显示在界面上。
- 发送给 LLM：转写完成后，可以将文字发送至 LLM，生成 AI 回答，并在界面上显示支持 Markdown 格式的回复。
- 修改转写文字并发送给 LLM
如果你想在终端中运行，可以使用 main_cmd.py：
python main_cmd.py- 录音设备：根据设备不同，可能需要调整
config.ini中的SPEAKER_DEVICE_INDEX和MIC_DEVICE_INDEX参数。 默认设置下，因为录制的是扬声器（你听到）的声音，所以在没有声音播放的时候，是不会录制的，所以必须播放一些音频或者视频，才能获取到音频。测试的时候可以放个视频。 - 环境变量：确保 FFmpeg 已安装并已添加到环境变量 PATH 中，否则可能会影响音频处理。
- 测试验证：建议先单独测试各模块，确认音频录制、转写和 LLM 回答均正常后再启动 GUI 整体运行。
使用shalzuth/WindowSharingHider隐藏UI界面————太棒的工具了！又方便又好用！
任务栏中图表的隐藏:
- 直接使用windows自带的任务栏隐藏功能，或者干脆把任务栏移到第二个显示器
- 使用一些隐藏工具（可以自己找一下）
使用turbotop可以使得窗口始终置顶————也是很好用的工具
- 注意一下使用顺序不然可能会出现问题：
- 先使用turbotop使得窗口置顶
- 再使用WindowSharingHider隐藏UI界面
- 如果不太就行就换一下顺序多试几下
- 在README中增加详细的使用案例或截图（GUI 操作示例、终端输出示例等）。
- 增加voice_generate功能（TTS）——已经测试好，待集成
- 增加麦克风扬声器音频共同识别功能
- 增加截图、上传LLM功能
- 任务栏中的图标隐藏功能
欢迎社区开发者提交 issue 或 pull request，一起完善这个 工具。如果有任何建议或改进意见，请随时联系。
本项目仅供技术学习与研究交流之用，严禁用于以下用途：
- 任何形式的求职面试作弊行为
- 侵犯他人隐私或商业秘密
- 违反当地法律法规的行为
使用者应对自身行为负全部法律责任，作者不承担任何因滥用本项目导致的直接或间接后果。使用即表示您已阅读并同意本声明。
本项目采用 Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) 许可证进行开源。
这意味着您可以自由地共享和修改本项目的内容，但仅限于非商业用途。