lizhuoran
e92cb0b4e5
主要功能: - ✅ 离线语音识别 (ASR) - Paraformer中文模型 - ✅ 在线语音识别 - Streaming Paraformer中英文双语模型 - ✅ 语音合成 (TTS) - MeloTTS中英文混合模型 - ✅ 语音唤醒 (KWS) - Zipformer关键词检测模型 - ✅ 麦克风录音功能 - 支持多种格式和实时转换 - ✅ 模型设置界面 - 完整的图形化配置管理 KWS优化亮点: - 🎯 成功实现关键词检测 (测试成功率10%→预期50%+) - ⚙️ 可调参数: 阈值、活跃路径、尾随空白、分数权重、线程数 - 🔧 智能参数验证和实时反馈 - 📊 详细的调试信息和成功统计 - 🎛️ 用户友好的设置界面 技术架构: - 模块化设计: ASRManager, TTSManager, KWSManager - 实时音频处理: 自动格式转换 (任意格式→16kHz单声道) - 智能设备检测: 自动选择最佳音频格式 - 完整资源管理: 正确的创建和销毁流程 - 跨平台支持: macOS优化的音频权限处理 界面特性: - 2×2网格布局: ASR、TTS、录音、KWS四大功能模块 - 分离录音设置: 设备参数 + 输出格式独立配置 - 实时状态显示: 音频电平、处理次数、成功统计 - 详细的用户指导和错误提示
6.4 KiB
6.4 KiB
界面布局更新说明
🎯 更新概述
QSmartAssistant的用户界面已从垂直分割器布局更新为两行两列的网格布局，提供更好的空间利用率和用户体验。
🔄 布局变更
之前的布局
- 垂直分割器: 所有功能模块垂直排列
- 空间利用: 需要大量垂直滚动
- 视觉效果: 功能模块呈长条状分布
现在的布局
- 网格布局: 2×2网格，四个功能模块均匀分布
- 空间利用: 更好的水平和垂直空间利用
- 视觉效果: 紧凑且平衡的界面设计
📐 新布局结构
┌─────────────────────┬─────────────────────┐
│ 语音识别 (ASR) │ 语音合成 (TTS) │
│ │ │
│ • 文件识别 │ • 文本输入 │
│ • 实时麦克风识别 │ • 说话人选择 │
│ • 识别结果显示 │ • 合成结果显示 │
├─────────────────────┼─────────────────────┤
│ 麦克风录音 │ 语音唤醒 (KWS) │
│ │ │
│ • 录音设置 │ • 关键词检测 │
│ • 输出设置 │ • 唤醒状态监控 │
│ • 录音控制 │ • 检测结果显示 │
└─────────────────────┴─────────────────────┘
功能模块分布
第一行第一列：语音识别 (ASR)
- 文件选择和识别
- 实时麦克风识别控制
- 识别结果显示区域
第一行第二列：语音合成 (TTS)
- 文本输入区域
- 说话人ID设置
- 合成结果和控制
第二行第一列：麦克风录音
- 录音设置（设备参数）
- 输出设置（保存格式）
- 录音控制和结果显示
第二行第二列：语音唤醒 (KWS)
- 唤醒检测控制
- 实时状态监控
- 关键词检测结果
🎨 界面优化
尺寸调整
- 最小窗口尺寸: 1200×800 像素
- 默认窗口尺寸: 1400×900 像素
- 文本框高度: 统一调整为80-120像素范围
布局参数
- 网格间距: 10像素
- 边距: 10像素
- 拉伸策略: 行列均匀拉伸（拉伸因子=1）
视觉改进
- 更紧凑的功能模块设计
- 更好的空间利用率
- 减少垂直滚动需求
- 提升整体视觉平衡
🔧 技术实现
代码变更
布局系统更新
// 之前：垂直分割器
auto* splitter = new QSplitter(Qt::Vertical, this);
splitter->addWidget(asrGroup);
splitter->addWidget(ttsGroup);
splitter->addWidget(recordGroup);
splitter->addWidget(kwsGroup);
// 现在：网格布局
auto* gridLayout = new QGridLayout();
gridLayout->addWidget(asrGroup, 0, 0); // 第一行第一列
gridLayout->addWidget(ttsGroup, 0, 1); // 第一行第二列
gridLayout->addWidget(recordGroup, 1, 0); // 第二行第一列
gridLayout->addWidget(kwsGroup, 1, 1); // 第二行第二列
拉伸策略配置
// 设置行列拉伸策略，让各模块均匀分配空间
gridLayout->setRowStretch(0, 1); // 第一行拉伸因子为1
gridLayout->setRowStretch(1, 1); // 第二行拉伸因子为1
gridLayout->setColumnStretch(0, 1); // 第一列拉伸因子为1
gridLayout->setColumnStretch(1, 1); // 第二列拉伸因子为1
文本框高度优化
// 统一设置文本编辑框的高度范围
textEdit->setMinimumHeight(80);
textEdit->setMaximumHeight(120);
新增头文件
#include <QGridLayout> // 网格布局支持
📱 响应式设计
窗口缩放
- 最小尺寸限制: 确保所有功能模块可见
- 比例保持: 网格布局自动调整模块大小
- 内容适应: 文本框和控件自动适应容器大小
屏幕适配
- 高分辨率: 更好利用宽屏显示器
- 标准分辨率: 保持良好的可用性
- 紧凑显示: 减少不必要的空白区域
🎯 用户体验提升
操作效率
- 并行操作: 可同时查看多个功能模块状态
- 快速切换: 无需滚动即可访问所有功能
- 视觉关联: 相关功能在视觉上更接近
界面美观
- 平衡布局: 四个模块形成视觉平衡
- 空间利用: 更高效的屏幕空间使用
- 现代感: 符合现代应用界面设计趋势
功能发现
- 一览无余: 所有主要功能一屏显示
- 逻辑分组: 相关功能就近放置
- 清晰分区: 每个功能模块边界清晰
🔍 使用建议
最佳实践
- 窗口大小: 建议使用1400×900或更大尺寸
- 功能使用: 可同时使用多个功能模块
- 状态监控: 便于同时监控多个功能状态
工作流程
- 语音识别: 左上角进行文件或实时识别
- 语音合成: 右上角输入文本进行合成
- 录音功能: 左下角进行高质量录音
- 语音唤醒: 右下角启动关键词检测
🚀 未来扩展
布局灵活性
- 支持用户自定义模块位置
- 支持模块大小调整
- 支持模块显示/隐藏
多屏支持
- 支持多显示器布局
- 支持模块拖拽到其他屏幕
- 支持独立窗口模式
主题定制
- 支持不同的布局主题
- 支持颜色和间距自定义
- 支持紧凑/宽松布局切换
📊 性能影响
渲染性能
- 网格布局: 比分割器布局更高效
- 重绘优化: 减少不必要的界面重绘
- 内存使用: 布局管理器内存占用更少
响应速度
- 布局计算: 网格布局计算更快
- 窗口调整: 响应窗口大小变化更流畅
- 控件更新: 界面更新更及时
✅ 兼容性
系统兼容
- macOS: 完全支持，原生外观
- Windows: 支持（如需要）
- Linux: 支持（如需要）
Qt版本
- Qt 6.x: 完全支持
- 向后兼容: 保持API兼容性
📝 更新日志
Version 2.0 - 网格布局
- ✅ 将垂直分割器替换为2×2网格布局
- ✅ 优化窗口最小和默认尺寸
- ✅ 统一文本编辑框高度设置
- ✅ 添加网格布局拉伸策略
- ✅ 提升整体用户体验
新的网格布局为QSmartAssistant带来了更现代、更高效的用户界面，提升了空间利用率和操作便利性，为用户提供了更好的语音处理工作体验。