chore: release v0.10.0

Author: Xu Yun

CHANGELOG.md

@@ -4,6 +4,25 @@ All notable changes to this project will be documented in this file.
 
 The format is based on [Keep a Changelog](https://keepachangelog.com/), and this project adheres to [Semantic Versioning](https://semver.org/).
 
+## [0.10.0] - 2026-04-26
+
+### Added
+- **StepAudio 2.5 ASR** — added StepFun batch transcription via HTTP + SSE, including API key/model settings, provider selection, history metadata, and re-transcription support.
+- **Per-app text injection overrides** — Input Settings can now remember recent target apps and choose pasteboard or typing mode per application, so apps with special editor behavior can use their own injection strategy.
+- **LLM connectivity test** — Settings → LLM can send a real correction probe with the active provider and model, then show status, response time, test input, and model output.
+- **History replay injection test** — saved recordings can now be re-transcribed, post-processed, and injected into the current foreground app for end-to-end provider and injection checks.
+
+### Changed
+- Expanded VoiceX from eleven to twelve ASR backends.
+- Re-transcription now returns the final post-processed text in addition to ASR and LLM intermediate results, and it respects the original history mode when choosing assistant vs. translation prompts.
+- Clipboard injection and macOS paste shortcuts now use steadier timing to improve reliability in editors that process paste events slowly.
+- The compact HUD now keeps the processing intent chip visible during batch and compact states.
+
+### Fixed
+- Prevented the HUD from stealing input focus and preserved the original foreground app context when recording starts.
+- Hardened hotkey session races around rapid start/stop/cancel flows.
+- Empty Qwen sessions that exit because of silence are now handled without leaving stale session state.
+
 ## [0.9.5] - 2026-04-09
 
 ### Changed

README.en.md

@@ -19,8 +19,8 @@ VoiceX is a cross-platform desktop voice input tool. Its overall pipeline is: re
 - **One hotkey, multiple gestures** — a single global hotkey drives three interaction modes: tap for hands-free dictation, hold for push-to-talk, double-tap to translate.
 - **Real-time HUD overlay** — a lightweight always-on-top display shows live transcription, recording mode, countdown timer, and processing status, and on macOS it follows the active Space when triggered from another desktop.
 - **LLM-powered post-processing** — optionally send ASR output through an LLM for correction, translation, or refinement, with customizable prompt templates and dictionary-aware context.
-- **Smart text injection** — recognized text is pasted into the active app via clipboard (with automatic backup/restore) or simulated typing, seamlessly.
-- **History & statistics** — every dictation is logged with full metadata (duration, device, ASR/LLM model, original vs. corrected text), browsable by date with audio playback and re-transcription.
+- **Smart text injection** — recognized text is pasted into the active app via clipboard (with automatic backup/restore) or simulated typing, with per-app overrides for apps that need a different injection strategy.
+- **History & statistics** — every dictation is logged with full metadata (duration, device, ASR/LLM model, original vs. corrected text), browsable by date with audio playback, re-transcription, and replay injection testing.
 - **Cross-device sync** — a self-hosted sync server keeps history in sync across your machines.
 
 ## Interaction Modes
@@ -73,6 +73,7 @@ Features:
 - **ASR correction** — fix recognition errors using dictionary context and customizable prompts.
 - **Translation** — translate dictation to English, triggered by double-tap gesture.
 - **Prompt templates** — full control over correction and translation prompts, with `{{DICTIONARY}}` placeholder for hot-word injection.
+- **Connectivity test** — send one real correction request with the active provider and model to inspect latency and output quality.
 
 ## Dictionary & Hot-Words
 
@@ -85,11 +86,17 @@ Features:
 - **Smart punctuation cleanup** — auto-remove trailing punctuation from short sentences (configurable threshold).
 - **Keyword substitution** — regex/exact/contains replacement rules applied before text injection.
 
+## Text Injection
+
+- Global support for clipboard paste and simulated typing modes.
+- Per-app overrides can be created from recent target apps, so standard text fields can keep clipboard paste while editors that are sensitive to paste events can switch to typing.
+- On macOS, VoiceX records the target app when the hotkey starts, reducing the chance that the HUD or main window changes the injection target.
+
 ## History & Statistics
 
 - Full history grouped by date, with per-record audio playback, copy, and detail view.
 - Side-by-side comparison of original ASR output vs. LLM-corrected text.
-- Re-transcribe any saved recording with a different ASR backend and optional LLM correction to compare providers on the same audio.
+- Re-transcribe any saved recording with a different ASR backend and optional LLM correction to compare providers on the same audio; replay the final text into the current app to test the full end-to-end flow.
 - Failed batch transcriptions are preserved locally with the original audio so you can retry later instead of repeating the whole dictation immediately.
 - Configurable retention policies for text and audio (7 / 30 / 180 / 365 days, or forever).
 - Overview dashboard: total duration, character count, AI correction calls, average dictation speed — aggregated per device.

README.md

@@ -19,8 +19,8 @@ VoiceX 是一个跨平台桌面语音输入工具。整体处理链路为：录
 - **一键多用** — 单个全局热键驱动三种交互模式：轻点启动免提听写、长按进入按住说话、双击触发翻译。
 - **实时 HUD 浮层** — 轻量置顶窗口，实时显示转写文本、录音模式、倒计时和处理状态；在 macOS 多桌面场景下也会跟随当前活跃 Space 显示，不打断当前工作流。
 - **LLM 后处理** — 可选将 ASR 输出交给大模型做纠错、翻译或润色，支持自定义 prompt 模板和词典上下文注入。
-- **智能文本注入** — 识别结果通过剪贴板粘贴（自动备份/恢复原内容）或模拟键入送入当前应用，无缝衔接。
-- **历史记录与统计** — 每次听写保留完整元数据（时长、设备、ASR/LLM 模型、原文 vs. 纠正文本），按日期浏览，并支持录音回放与重新转录。
+- **智能文本注入** — 识别结果通过剪贴板粘贴（自动备份/恢复原内容）或模拟键入送入当前应用，并可按目标应用单独指定注入方式。
+- **历史记录与统计** — 每次听写保留完整元数据（时长、设备、ASR/LLM 模型、原文 vs. 纠正文本），按日期浏览，并支持录音回放、重新转录和重放注入测试。
 - **跨设备同步** — 自建同步服务器，在多台设备间保持历史一致。
 
 ## 交互模式
@@ -73,6 +73,7 @@ VoiceX 可选将 ASR 输出交给 LLM 做纠错或翻译。支持的提供商：
 - **ASR 纠错** — 结合词典上下文和可自定义 prompt 修正识别错误。
 - **翻译** — 将听写内容翻译为英文，由双击手势触发。
 - **Prompt 模板** — 完全自定义纠错和翻译 prompt，支持 `{{DICTIONARY}}` 占位符注入热词。
+- **连通性测试** — 使用当前 provider 和模型发起一次真实纠错请求，检查响应时间和输出质量。
 
 ## 词典与热词
 
@@ -85,11 +86,17 @@ VoiceX 可选将 ASR 输出交给 LLM 做纠错或翻译。支持的提供商：
 - **智能标点清理** — 短句自动去除末尾标点（阈值可配置）。
 - **关键词替换** — 正则/精确/包含替换规则，在文本注入前执行。
 
+## 文本注入
+
+- 全局支持剪贴板粘贴和模拟键入两种注入方式。
+- 可按最近使用的目标应用设置覆盖规则，例如在普通文本框中使用剪贴板粘贴，在对粘贴事件敏感的编辑器中改用模拟键入。
+- macOS 上会在热键开始时记录目标应用，降低 HUD 或主窗口抢焦点对注入目标的影响。
+
 ## 历史记录与统计
 
 - 全量历史按日期分组，每条记录支持录音回放、复制和详情查看。
 - 原始 ASR 输出与 LLM 纠正结果的并排对比。
-- 可对任意历史录音重新转录，切换不同 ASR 后端并按需叠加 LLM 纠错，方便做同音频对比。
+- 可对任意历史录音重新转录，切换不同 ASR 后端并按需叠加 LLM 纠错，方便做同音频对比；也可以把重新处理后的最终文本重放注入到当前应用，验证完整链路。
 - 批量识别失败时，会在本机历史中保留失败记录和录音，方便后续重新转录，不必整段重说。
 - 可配置文本和录音的保留策略（7 / 30 / 180 / 365 天或永久保留）。
 - 概览仪表盘：总时长、字符数、AI 纠正次数、平均听写速度——按设备汇总。

README.zh-CN.md

@@ -19,8 +19,8 @@ VoiceX 是一个跨平台桌面语音输入工具。整体处理链路为：录
 - **一键多用** — 单个全局热键驱动三种交互模式：轻点启动免提听写、长按进入按住说话、双击触发翻译。
 - **实时 HUD 浮层** — 轻量置顶窗口，实时显示转写文本、录音模式、倒计时和处理状态；在 macOS 多桌面场景下也会跟随当前活跃 Space 显示，不打断当前工作流。
 - **LLM 后处理** — 可选将 ASR 输出交给大模型做纠错、翻译或润色，支持自定义 prompt 模板和词典上下文注入。
-- **智能文本注入** — 识别结果通过剪贴板粘贴（自动备份/恢复原内容）或模拟键入送入当前应用，无缝衔接。
-- **历史记录与统计** — 每次听写保留完整元数据（时长、设备、ASR/LLM 模型、原文 vs. 纠正文本），按日期浏览，并支持录音回放与重新转录。
+- **智能文本注入** — 识别结果通过剪贴板粘贴（自动备份/恢复原内容）或模拟键入送入当前应用，并可按目标应用单独指定注入方式。
+- **历史记录与统计** — 每次听写保留完整元数据（时长、设备、ASR/LLM 模型、原文 vs. 纠正文本），按日期浏览，并支持录音回放、重新转录和重放注入测试。
 - **跨设备同步** — 自建同步服务器，在多台设备间保持历史一致。
 
 ## 交互模式
@@ -73,6 +73,7 @@ VoiceX 可选将 ASR 输出交给 LLM 做纠错或翻译。支持的提供商：
 - **ASR 纠错** — 结合词典上下文和可自定义 prompt 修正识别错误。
 - **翻译** — 将听写内容翻译为英文，由双击手势触发。
 - **Prompt 模板** — 完全自定义纠错和翻译 prompt，支持 `{{DICTIONARY}}` 占位符注入热词。
+- **连通性测试** — 使用当前 provider 和模型发起一次真实纠错请求，检查响应时间和输出质量。
 
 ## 词典与热词
 
@@ -85,11 +86,17 @@ VoiceX 可选将 ASR 输出交给 LLM 做纠错或翻译。支持的提供商：
 - **智能标点清理** — 短句自动去除末尾标点（阈值可配置）。
 - **关键词替换** — 正则/精确/包含替换规则，在文本注入前执行。
 
+## 文本注入
+
+- 全局支持剪贴板粘贴和模拟键入两种注入方式。
+- 可按最近使用的目标应用设置覆盖规则，例如在普通文本框中使用剪贴板粘贴，在对粘贴事件敏感的编辑器中改用模拟键入。
+- macOS 上会在热键开始时记录目标应用，降低 HUD 或主窗口抢焦点对注入目标的影响。
+
 ## 历史记录与统计
 
 - 全量历史按日期分组，每条记录支持录音回放、复制和详情查看。
 - 原始 ASR 输出与 LLM 纠正结果的并排对比。
-- 可对任意历史录音重新转录，切换不同 ASR 后端并按需叠加 LLM 纠错，方便做同音频对比。
+- 可对任意历史录音重新转录，切换不同 ASR 后端并按需叠加 LLM 纠错，方便做同音频对比；也可以把重新处理后的最终文本重放注入到当前应用，验证完整链路。
 - 批量识别失败时，会在本机历史中保留失败记录和录音，方便后续重新转录，不必整段重说。
 - 可配置文本和录音的保留策略（7 / 30 / 180 / 365 天或永久保留）。
 - 概览仪表盘：总时长、字符数、AI 纠正次数、平均听写速度——按设备汇总。

package.json

@@ -1,6 +1,6 @@
 {
   "name": "voicex",
-  "version": "0.9.5",
+  "version": "0.10.0",
   "license": "MIT",
   "type": "module",
   "scripts": {

src-tauri/Cargo.lock

@@ -1,6 +1,6 @@
 [package]
 name = "voicex"
-version = "0.9.5"
+version = "0.10.0"
 description = "Cross-platform voice input application with ASR"
 authors = ["VoiceX Contributors"]
 license = "MIT"