蛐蛐 QuQu 开源免费中文智能语音工具

蛐蛐 (QuQu) 是开源免费智能语音工具，是 Wispr Flow 的高效替代方案，通过内置的阿里 FunASR Paraformer 模型实现本地化中文语音识别，保护用户数据隐私的同时能准确理解中文网络俚语，通过独创的“ASR精准识别 + LLM智能优化”两段式引擎，能够智能处理口头禅、自动纠正口语表达中的错误，将语音流畅地转化为精准文本，QuQu 优先支持通义千问、Kimi等国内顶级AI模型，提供更快响应、更低成本和更佳合规性的AI生态整合。

蛐蛐（QuQu）与 Wispr Flow 核心对比

核心对比	蛐蛐（QuQu）	Wispr Flow
价格	✅ 完全免费	❌ $12/月订阅
隐私	✅ 本地处理	❌ 云端处理
中文	✅ 专为中文优化	⚠️ 通用支持
AI模型	✅ 国产AI支持	❌ 仅国外模型

你可以想象一下，写作时能像和朋友聊天一样轻松，说出来的内容实时、精准地转换成文字，口误和“嗯、啊”之类的废话被自动修正，能按照要求自动整理成邮件格式或代码片段，这就是「蛐蛐」能带来的体验。

特性	蛐蛐（QuQu）的解决方案
🎯 顶尖中文识别，隐私至上	内置阿里巴巴 FunASR Paraformer 模型，在电脑本地运行。它能听懂中文互联网的“梗”，还能保护私密语音数据不被上传。
💡 会思考的“两段式引擎”	独创“ASR精准识别 + LLM智能优化”工作流。不只是转录语音，还能“理解”并“重塑”语言。自动过滤口头禅、修正错误表述（比如把“周三开会，不对，是周四”直接输出为“周四开会”），这些都只是基础功能。
🌐 为国内优化的开放AI生态	支持所有兼容OpenAI API的服务，且优先适配国内顶尖模型（如通义千问、Kimi等）。响应速度更快、费用更低、合规性更好。
🚀 开发者与效率专家挚爱	能准确识别并格式化`camelCase`和`snake_case`等编程术语。通过自定义AI指令，实现上下文感知，根据当前使用的应用（写代码、回邮件）智能调整输出格式。

• 一键唤醒：全局快捷键 F2，随时开始记录。

• 实时识别：本地 FunASR 引擎提供高精度中文识别。

• 智能优化：连接AI模型，自动润色、纠错、总结文本。

• 无缝粘贴：转换完成的文本自动粘贴到当前光标位置。

从 Wispr Flow 迁移到蛐蛐（QuQu）

如果正在使用 Wispr Flow，想节省订阅费用、保护隐私数据、获得更好的中文支持，可以试一试蛐蛐（QuQu）。

蛐蛐（QuQu）快速开始

1、环境要求

• Node.js 18+ 和 pnpm • Python 3.8+（用于运行本地FunASR服务） • macOS 10.15+、Windows 10+ 或 Linux

2、项目初始化

方案一：使用 uv（推荐）🌟

uv 是现代化的 Python 包管理器，能自动管理 Python 版本和依赖，避免环境冲突：

# 1、克隆项目
git clone https://github.com/yan5xu/ququ.git
cd ququ
# 2、安装 Node.js 依赖
pnpm install

# 3、安装 uv（如果尚未安装）
# macOS/Linux:
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows:
# powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# 4、初始化 Python 环境 (uv 会自动下载 Python 3.11 和所有依赖)
uv sync
# 5、下载 FunASR 模型
uv run python download_models.py

# 6、启动应用!
pnpm run dev

方案二：使用系统 Python

如果更习惯使用系统 Python 环境：

# 1、克隆项目
git clone https://github.com/yan5xu/ququ.git
cd ququ
# 2、安装 Node.js 依赖
pnpm install

# 3、创建虚拟环境（推荐）
python3 -m venv .venv
source .venv/bin/activate # Linux/macOS
# .venv\Scripts\activate # Windows

# 4、安装 Python 依赖
pip install funasr modelscope torch torchaudio librosa numpy

# 5、下载 FunASR 模型
python download_models.py

# 6、启动应用!
pnpm run dev

方案三：使用嵌入式 Python 环境

项目支持完全隔离的嵌入式 Python 环境（主要用于生产构建）：

# 1-2、同上克隆项目和安装 Node.js 依赖
# 3、准备嵌入式 Python 环境
pnpm run prepare:python

# 4、测试环境是否正常
pnpm run test:python

# 5、启动应用
pnpm run dev

3、配置AI模型

启动应用后，在设置页面填入AI服务商提供的 API Key、Base URL 和模型名称，支持通义千问、Kimi、智谱AI等国产模型，配置会自动保存在本地。

4、故障排除

常见初始化问题

• 问题: ModuleNotFoundError: No module named 'funasr' 解决方案 1: 使用 uv（推荐）

uv sync
uv run python download_models.py

解决方案 2: 重新安装依赖

pip install funasr modelscope torch torchaudio librosa numpy

解决方案 3: 使用嵌入式环境

pnpm run prepare:python

• 问题: FunASR 模型下载失败或加载缓慢检查网络连接，确保能访问 modelscope.cn

如果在 macOS 上遇到 SSL 警告：

pip install "urllib3<2.0"

手动下载模型：

python download_models.py

或使用 uv:

uv run python download_models.py

• 问题: Python 版本不兼容

使用 uv 自动管理 Python 版本 (推荐)

uv sync # 会自动下载 Python 3.11

或手动安装 Python 3.8+

检查当前版本:

python3 --version

环境选择建议

使用场景	推荐方案	优点
新用户/快速体验	uv	自动管理，无环境冲突
开发者/自定义需求	系统 Python + 虚拟环境	灵活控制，方便调试
生产部署	嵌入式环境	完全隔离，无外部依赖