Voice2Text

Record speech in Obsidian desktop and insert the transcript at the editor cursor.

Features

• Press Ctrl+S to start recording and press it again to stop. The command can be rebound under Settings → Hotkeys.
• Volcengine big-model ASR streams stable transcript segments into the note while you speak.
• Xiaomi MiMo ASR uploads a WAV recording after you stop and inserts the final transcript.
• Provider credentials are stored only in the current vault's plugin data.

Network and privacy

• The plugin connects only when you start recording. Volcengine receives streaming PCM audio; Xiaomi MiMo receives a WAV recording after capture stops.
• Both providers require your own account and API credentials and may charge according to their pricing policies.
• Credentials remain in .obsidian/plugins/voice-text-input/data.json. The plugin has no client-side telemetry, ads, or self-update mechanism.
• The plugin does not send your local username or hostname. It is desktop-only because authenticated Volcengine WebSocket connections require Node.js networking support.

Installation and configuration

Install Voice2Text from Obsidian's Community plugins browser. For manual installation, download main.js, manifest.json, and styles.css from the latest GitHub release into .obsidian/plugins/voice-text-input/.

Open the plugin settings, select Volcengine or Xiaomi MiMo, and enter the credentials issued by that provider. The default Volcengine resource ID is volc.seedasr.sauc.duration; the default Xiaomi model is mimo-v2.5-asr.

中文说明

在 Obsidian 桌面端录音，把识别文字插入录音开始时的编辑器光标位置。

功能

• 按 Ctrl+S 开始录音，再按一次停止；也可以点击左侧栏麦克风按钮。
• 可在“设置 → 快捷键”中修改“开始/停止语音转文字”的快捷键。
• 火山引擎大模型 ASR：WebSocket 流式识别，稳定片段边说边写。
• 小米 MiMo ASR：停止后上传整段 WAV，一次性插入最终结果。
• App ID、Token、API Key 等配置只保存在当前 Vault 的插件 data.json。

插件使用 Node.js TLS/WebSocket 能力给火山引擎请求添加鉴权头，因此只支持 Obsidian 桌面端。

网络与隐私

• 插件仅在用户主动录音时连接所选服务。选择火山引擎时，麦克风 PCM 音频会流式发送到火山引擎；选择小米 MiMo 时，录音会封装为 WAV 并在停止后发送到小米 MiMo。
• 两种服务都需要用户自行申请账号和 API 凭证，服务商可能按其计费规则收费。
• App ID、Access Token 和 API Key 仅保存在当前 Vault 的 .obsidian/plugins/voice-text-input/data.json，不会写入笔记或发送给其它服务。
• 插件不包含客户端遥测、广告或自动更新机制，也不会发送本机用户名和主机名。

安装

优先在 Obsidian 第三方插件市场中搜索 Voice2Text 安装。手动安装时，从 Releases 下载 main.js、manifest.json 和 styles.css，放到 Vault 的 .obsidian/plugins/voice-text-input/，然后启用插件。

火山引擎配置

在插件设置中选择“火山引擎大模型 ASR”，填写：

• App ID
• Access Token
• Resource ID，默认 volc.seedasr.sauc.duration
• WebSocket 地址，默认 wss://openspeech.bytedance.com/api/v3/sauc/bigmodel_async
• 识别语言，默认 zh-CN

App ID、Access Token 和 Resource ID 必须属于同一个已开通大模型流式语音识别的火山引擎应用。

小米 MiMo 配置

在插件设置中选择“小米 MiMo ASR”，填写 API Key。默认配置为：

• 模型：mimo-v2.5-asr
• API 地址：https://api.xiaomimimo.com/v1/chat/completions
• 语言：自动检测

MiMo 单次请求的 base64 音频上限为 10MB。插件录制 16kHz、16bit、单声道 WAV。

开发

npm install
npm test
npm run build

构建产物为根目录下的 main.js。本地安装时，将以下文件放入 Vault 的 .obsidian/plugins/voice-text-input/：

• main.js
• manifest.json
• styles.css

启用插件后，首次录音时 Obsidian/系统会请求麦克风权限。

本机同时配置了两种服务时，可以运行真实合成语音测试：

npm run test:live

该命令读取 ~/.config/opencode/voice2text.local.json，使用 macOS say 和 SoX 生成测试语音，不会打印凭证。

CI/CD

• push 和 pull request 自动执行单元测试、类型检查和生产构建，并上传可安装插件 ZIP。
• 推送与 package.json、manifest.json 版本完全一致的标签（例如 0.1.3）时，自动创建 GitHub Release 并上传三个插件文件。