呃,那个,我想说的是吧,说出来它就成文字了
说出来,
它成文字
按住 Ctrl + Shift + Space 说话,松手。 文字落进你正开着的那个输入框——微信、飞书、邮件、代码编辑器,不论哪一个。 识别在你自己的电脑上完成,音频不离开这台机器。
开发中 · 尚未开放下载 · 本页所有数字均为本机实测,测法与原始数据可复现
实测
中文
母语,不是第一百零一种语言
多数语音输入以英文为母语,中文是顺带支持的一项。 而中国人说话的日常是「这个 bug 我 debug 了一下午」——中英交替、术语连片。 以下是本机真实跑出来的,不是效果图。
最后一行的 P2 是一处真实的识别错误(应为 PR)。我们把它留在这里,
而不是换一句好看的——术语词典正是为此而做。标点与「三点 → 3 点」由引擎自动完成,
你不需要说「逗号」「句号」。
隐私
别人承诺不保存你的录音。
我们的做法是——录音从未离开你的电脑。
这不是一条政策,是一个可以验证的架构事实:拔掉网线,它照常工作。
识别在本机进程内完成
模型文件随软件装在你的硬盘上,转写时不发起任何网络请求。没有「上传后立即删除」这种需要你相信的环节,因为根本没有上传。
不读你输入框里的内容
为了按场景调整语气,我们只读当前前台程序的进程名。窗口标题不读——那里常常有聊天对象的姓名和文档名。
你的剪贴板会被原样放回
用剪贴板通道写入前,完整快照你原有的内容(含图片与富文本格式),写完恢复,并以剪贴板序列号守卫,绝不覆盖你在这期间新复制的东西。
没有账号,不必登录
不收集设备标识,不做行为埋点。
形态
召唤即用,用完即隐
它不是一个你要去打开的应用,而是一条被叫出来的悬浮条——出现、说话、写回、消失。 整个过程里,你的光标从未离开原来的输入框。
系统层面就不接受激活
悬浮条以 WS_EX_NOACTIVATE 创建,所以文字落在你刚才在写的地方,而不是落进它自己。
写进任何输入框
标准应用走 Unicode 直接注入;微信、飞书这类自绘输入框自动改走剪贴板通道。两条路都实现了,不是只做一条就宣称通用。
失败就说失败
麦克风没收到声音、引擎还在加载、没识别到内容——每一种都告诉你是哪一层出了问题。绝不显示「已插入」而其实什么都没发生。
进度
做到哪了
连同还没做完的一起公开。在能交到你手上之前,这一页会如实更新。
本机识别引擎——转写从依赖服务端改为进程内推理,端到端由 63 秒降至 288 毫秒。
全局热键与不抢焦点悬浮条——避开中文输入法占用的组合键。
自动标点与数字规范——「三点」成「3 点」一类转换、句读自动补全。
说话时的实时字幕——悬浮条上边说边出字,让你知道它确实在听。
口语整理层——去掉「呃」「那个」「就是说」,认出说到一半的自我纠正。原则是整理而非改写:绝不把你说的词换成你不会用的词。
术语词典——让 GitHub 不再被听成别的词,且可由你自己扩充。
按应用切换语气——微信里保留语气词,邮件里收敛。只依据前台程序名判断,不读你的内容。
macOS 版本。