产品总技术报告 · REVISION 1

InkTyper 如何把实时语音变成可靠文字

这是持续维护的 InkTyper 技术全景：客户端状态机、渐进式 ASR、AI 编辑边界、云端网关、数据模型、可靠性策略，以及距离真正规模化生产仍需补齐的证据。

InkTyper Engineering更新于 2026.08.08

渐进识别停止前已经处理稳定语音

尾段有界final ASR 只收口不稳定尾部

失败开放AI 失败时仍交付可靠 ASR

全链可追踪同一请求身份贯穿所有阶段

文档角色产品总技术报告只有主要技术路线变化时才更新。

证据模型生产观察 + 受控测试实测、基准、估算和目标分开标注。

当前成熟度主路径可用，规模化仍在推进单节点体验可用，多副本容量仍需浸泡测试。

01 · 产品契约

InkTyper 是输入系统，不是转写 Demo

一次交易从全局快捷键开始录音，到可靠文字进入用户原来的光标位置才结束。录音、传输、识别、AI 纠错、剪贴板交付、辅助功能权限和降级共同构成一个用户可感知事务。模型很快不能抵消粘贴失败；最终拿到文字也不能抹掉实时会话此前失败的事实。

采集→渐进 ASR→受约束编辑→交付→审计

02 · 客户端状态机

每个阶段都明确、计时并且可恢复

桌面端依次进入空闲、录音、上传、转写、AI 编辑、粘贴、完成与错误状态。轻量悬浮窗显示当前阶段但不抢焦点；限制最高高度、滚动展示实时文本，交付后折叠正文，只保留性能事件。macOS 使用可覆盖全屏 Space 的非激活面板，Windows 使用独立的顶层窗口与权限适配。

阶段	主要工作	失败处理
录音	采集音频、电平、时长与渐进分片	无麦克风信号时提前停止且不计费
ASR	提交稳定分句并收口尾段	重连一次，再明确降级为批量
AI 编辑	纠错但不回答、不翻译、不改变意图	超时或异常输出时交付原始 ASR
交付	恢复目标并且只粘贴一次	保留剪贴板结果并提供重试

03 · 识别路径

用 SenseVoice 保证质量，用停顿感知实现渐进收口

生产主路径以 SenseVoice 作为中英基线。录音期间持续发送音频，停顿感知的分段产生候选，稳定前缀冻结并合并，停止时只处理仍可变化的尾段。它模拟用户期待的流式响应，同时不接受 Paraformer 在英文和中英混说中的质量折损。Whisper 保留为兼容基线，而不是默认产品身份。

模型上线规则前端只展示有 ready serving replica 的模型。requested_model 和 actual_model 分开存储，禁止静默回退后伪装成用户选择的模型。

04 · AI 编辑

模型负责编辑语音，而不是回复语音

AI 只做纠错、标点、排版和用户明确选择的转换。它必须保留语言与意图，不能因为转写中出现问题就回答问题，也不能在没有明确选择时翻译。稳定分句可以在录音期间异步编辑；最终目标是只处理仍会变化的语义尾段。

05 · 云端边界

一个产品网关统一身份、额度、路由与证据

客户端只调用 InkTyper 产品 API。边缘网关验证账户或 API Key、套餐、额度、幂等性和模型权限，再转发到私有推理面。GPU 与 AI 供应商 Token 永不下发客户端。request ID 将客户端计时、网关计时、实际节点、实际模型、用量账本与最终结果连成一条链。

InkTyper 客户端→产品网关→私有 ASR / AI→用量与遥测

06 · 可靠性与容量

单节点体验可用，不等于已经证明规模化

两个用户不会串音频或账户状态，但当前 SenseVoice 进程仍通过一把共享锁串行执行 GPU 推理。两个分段边界同时到达时，后一个通常多等待一次推理。更大的风险是缺少完整的准入、显式有界队列、queue_ms 遥测和生产副本；压力上升时，客户端可能放弃实时收口，把整段音频送进同样受限的批量队列。

目标形态是区域网关、至少两个健康 ASR 副本、明确的 admission 与 Retry-After、每会话有界缓冲、语义 readiness，以及 2/4/8 并发与 1,000 请求浸泡测试。

07 · 数据与商业控制

事实、派生结果、诊断与计费拥有不同生命周期

原始转写是事实，AI 排版是派生结果，性能事件是运维证据，音频只是短期诊断材料。订阅事件来自 Dodo，但 InkTyper 自己维护权益投影和不可变用量账本。网络重试使用 request ID 去重，不会因为失败重试重复扣费。

08 · 证据与开放门槛

哪些已经证明，哪些值得期待，哪些仍未关闭

领域	当前证据	开放门槛
ASR 计算	RTX 3080 SenseVoice 受控测试与真实 History 计时	代表性多语言准确率集与并发 p95
端到端延迟	当前桌面端分阶段计时	多地区 p50/p95/p99 与断线浸泡
可用性	已有降级路径	两个以上副本、准入与故障注入
客户端交付	macOS 与 Windows 构建	Windows 真机冒烟与可信签名
商业闭环	Checkout、Webhook、权益与用量路径	持续真实付款、退款与取消验收

修订规则

只有主要技术路线改变时才修改总报告

小型修复和延迟微调写入带日期的版本日志。只有客户端事务、主识别路径、安全边界、可靠性模型、数据契约、平台策略或核心 SLO 发生变化时，才更新本报告。每次修订必须链接到促成决策的历史版本日志。

证据回链

支撑当前技术路线的历史版本日志

以下日志保留促成本次总报告修订的观察、基准、决策与未关闭门槛。它们是可追溯证据，不会被静默改写成总报告附录。