使用教程
目前DuRT具有实时语音识别、实时识别结果翻译、支持录音、保存识别结果、识别时复制到剪切板、保存翻译结果，等功能。
这篇文档是关于如何使用DuRT，包括使用前的注意事项和DuRT的主要功能。
语音识别
DuRT目前集成了三种主流的语音识别方式，流式语音识别、非流式语音识别和Apple系统内的语音识别。
下面先给出三种语音识别方式的对比。
| 识别方式 | 流式 | 非流式 | Apple |
|---|---|---|---|
| 识别效果 | 不错 | 好 | 好 |
| 下载模型 | 流式识别模型 | Whisper模型 | 不需要下载模型 |
| 标点符号 | 不支持 | 支持 | 支持 |
| 识别速度 | 实时 | 近乎实时 | 实时 |
| 支持语言 | 4 | 30+ | 30+ |
| 识别过程中切换语言 | 不支持 | 支持 | 支持 |
| 仅在本地运行 | 是 | 是 | 分情况 |
| 翻译 | 支持 | 支持 | 支持 |
| 保存录音 保存识别结果 保存翻译结果 | 支持 | 支持 | 支持 |
三种语音识别效果， 我感觉Apple和Whisper非流式识别效果好。不同的语言会有不同的准确度，可以尝试这三种方式。
权限申请
在使用语音识别时，需要首先设置权限。目前DuRT支持识别设备内语音和麦克风语音。
对于识别设备内音频需要录屏与系统录音权限，需要在设置>隐私与安全>录屏与系统录音，中允许DuRT使用录屏与系统录音。 如下图：
对于识别麦克风语音需要麦克风权限，需要在设置>隐私与安全>麦克风，中允许DuRT访问麦克风。 如下图：
保存录音、识别结果、翻译结果需要选择某个目录作为存放的位置，需要在DuRT内的设置页面，设置保存目录。
同时防止权限滥用， DuRT只会在识别运行时，使用录屏或者麦克风权限。
流式语音识别
音频来源：分为设备内音频和麦克风音频。
识别类别：当使用流式语音识别时，选择流式。
选择识别语言：只能从已下载的流式模型，所支持的语言中选择。
选择模型：选择想要使用的流式模型。
保存音频：开始识别后，将同步保存所监听的音频，保存到所选的目录中。 这个目录可以通过在设置界面进行设置。 如果没有设置，会在开启这个功能时，请求选择保存目录。
保存识别结果：开始识别后，将识别的结果以txt文件的形式保存到所选的目录中。
启用翻译：开始识别后，将识别的结果翻译成对应语言。
选择翻译语言：选择想要翻译成什么语言。
保存翻译结果：开始识别后，将识别所翻译后的结果以txt文件的形式保存到所选目录中。
显示悬浮窗口：以悬浮窗口的形式显示识别结果和翻译结果（如果启用了翻译）。
开始：开始识别。 开始时候会有1~3秒的模型加载过程。
内存占用情况
流式语音识别需要下载对应的流式模型，目前支持的模型大小在200M-500M之间。在运行时，所需要内存大约是模型大小的两倍。
模型情 况
目前DuRT支持四种语言的流式模型，英文、中文、韩语、法语。 需要下载对应模型才能使用对应语言的识别。 请查阅模型下载。
非流式语音识别
识别类别：当使用非流式语音识别时，选择非流式。
选择识别间隔：每几秒进行一次语音识别。 目前内置的范围为2-10秒，我感觉设置成3-5秒体验最佳。可以根据自己情况进行设置。
其他的设置与流式语音识别一致，请看上面的解释。
内存占用情况
非流式语音识别需要下载对应的非流式Whisper模型，目前支持的Whisper模型大小在200M-1000M之间。在运行时，所需要内存大约是模型大小的两倍。
模型详情
目前所使用的非流式模型是Whisper模型， 按照大小依次分为tiny,small,base,medium,large,和turbo。
带-en的名称表示只能识别英文。
一般来说越大的模型，识别准确度越好。
Whisper模型支持下面这些语言： 阿拉伯语、保加利亚语、加泰罗尼亚语、中文、克罗地亚语、捷克语、丹麦语、荷兰语、英语、芬兰语、法语、加利西亚语、德语、希腊语、意大利语、日语、韩语、马其顿语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、西班牙语、瑞典语、泰米尔语、泰语、土耳其语、乌克兰语、乌尔都语、越南语。
注意，需要下载Whisper模型才能使用非流式语音识别。 请查阅模型下载。
最推荐使用的是whisper-large-v3-turbo模型。
Apple语音识别
由于Apple语音识别使用的是MacOS系统中的功能。 除了上面两个录屏和麦克风权限歪，还需要申请两个权限。
允许语音识别，在隐私与安全性 > 语音识别 ，允许DuRT使用。 如下图：
启用键盘听写， 将设置 > 键盘 > 听写 打开。 如下图：
Apple语音识别 分为在本地运行和服务器运行两种情况，具体区别如下。 这个是Apple所决定的。
| 本地运行 | 服务器运行 | |
|---|---|---|
| 准确度 | 好 | 好 |
| 限制 | 无 | 每天请求次数有限制 |
| 语言 | 10+ | 50+ |
需要注意：在服务器运行会将音频数据传给Apple公司的服务器。
在DuRT中，会给出一个指示标识来表示该语言是否支持本地 运行。如上图中的运行：本地。
在该语言可以在本地运行时，会设置成在本地运行识别。不可以在本地运行时，才会设置成在服务器运行。如果服务器运行的语言识别无法生成结果时，可能就是因为达到了每天的限制。
内存占用情况
Apple的语音识别由于使用的是系统的语音识别服务，启用后的内存占用很少。
模型情况
Apple的语音识别不需要下载模型，只需要授予对应的权限即可。
文本翻译
使用文本翻译，需要首先下载翻译模型，请从下载界面中，下载翻译模型。
使用文本翻译，需要将识别界面中的启用翻译打开，并选择想要翻译成什么语言。 如下图。 在识别过程中，可以切换翻译语言。
内存占用情况
启用翻译功能后，所占用的内存大概是1.5G。
模型情况
翻译功能需要下载翻译模型才能使用。请查阅模型下载。
使用提示
首先需要授权录屏和麦克风权限，来让应用能运行。
DuRT默认内置了whisper-base的非流式识别模型，通过设置识别间隔，可以近乎流式识别30+种语言。
授权系统语音识别和打开键盘的听写功能，能使用Apple的语音识别，这种方式支持的语言范围很多，并且有标点符号。
在下载翻译模型后，可以使用翻译功能。
在下载流式模型后，可以使用专用的流式模型来识别专门的语言。
在下载更大的whisper模型后，可以提高识别的准确度。
在下载Whisper模型和翻译模型后，可以使用Whisper识别和翻译功能。