我构建了一个 Voice-to-Code VS Code 扩展，完全在设备上运行

Source: Dev.to

每个 AI 编码助手都需要打字。GitHub Copilot、Continue、Kiro——它们都要求你输入提示。但如果可以直接说话呢？这就是我创建 VoxPilot 的原因。

开发者经常花时间输入诸如 “将此函数重构为使用 async/await 并加入适当的错误处理，还要添加单元测试” 之类的提示。这大约需要 15 秒的打字，而口头表达只需 3 秒。对于患有 RSI 或腕管综合症的人来说，打字不仅慢，而且疼痛。

VoxPilot 是一个 VS Code 扩展，它捕获你的语音，使用 Moonshine ASR 本地 转录，并将生成的文本发送给你的编码助手。关键字是 本地：你的音频永远不会离开你的机器。没有 API 密钥、没有云调用，也没有遥测。ASR 模型仅 27 MB，使用 ONNX Runtime 运行。

VoxPilot 工作原理

音频捕获

原生 CLI 工具以 16 kHz 捕获原始 PCM 音频：

• Linux: arecord
• macOS: sox
• Windows: ffmpeg

语音活动检测

基于能量的 VAD 检测你何时开始和停止说话，因此无需按按钮——只要说话即可。

转录

Moonshine 的编码器‑解码器架构通过 ONNX Runtime 处理音频：

• Tiny 模型（27 MB）： 适合短指令，速度快。
• Base 模型（65 MB）： 更适合较长的口述。

交付

转录文本被发送到 VS Code 的 Chat API，目标是你配置的任意参与者（Copilot、Continue 等）。

Microphone → PCM Audio → Voice Activity Detection → Moonshine ASR → Text → VS Code Chat

隐私

语音数据属于敏感信息，VoxPilot 在 内存中 处理所有内容，绝不将音频写入磁盘或通过网络发送。这种以隐私为先的做法是不可妥协的。

链接

• Open VSX:
• GitHub:

采用 MIT 许可证。欢迎提交 PR。⭐️ 如果觉得有用，请给仓库点星。