Mac 语音输入,说话代替打字
在任意输入框按住 Fn 说话,松开后文字出现在光标处。用你自己的 API Key,没有账号,没有服务端。
语音转文字
按住 Fn 说话、松开结束,也可以短按开始、再短按结束。快捷键可以改,按 Esc 取消。
文字只送到录音结束时的输入框,之后切换窗口也不会送错。送不进去时,结果留在浮层里供你复制。
人名和术语可以加入个人词库,识别时会参考你的写法。
自带 API Key
语音识别可选豆包、OpenAI、阿里千问;OpenAI 和千问可以边录边传,也可以录完再传。豆包需要先在火山引擎开通流式识别资源。
文字整理可选 DeepSeek、OpenAI、Kimi、GLM 或自定义接口。
Key 存在 macOS 钥匙串里,请求从你的 Mac 直接发给服务商。
自定义整理模式
默认直接使用识别结果。也可以选精简清理、完整重写,或者写一段自己的指令。
整理只发送文字,不发送音频;整理失败时保留识别结果。
数据留在本机
设置、个人词库和历史记录只存在这台 Mac 上。音频只在内存中处理,不写入磁盘。详见 隐私说明。
下载与安装
- 从 GitHub Releases 下载最新的 DMG。
- 把 Speaker 拖到“应用程序”,然后打开。
- 按引导授权麦克风和辅助功能。
- 选择识别服务,填入 API Key。之后的新版本可以在 App 内更新。
常见问题
Speaker 收费吗?
免费,MIT 开源。语音识别和文字整理的费用由你选择的服务商按用量收取。
和 macOS 自带的听写有什么不同?
Speaker 不用系统听写,而是用你选择的识别服务和你自己的 Key,另外支持个人词库、文字整理和本机历史记录。
下载后能直接打开吗?
可以。安装包经过 Apple Developer ID 签名和公证,首次打开时确认一下即可。
为什么需要辅助功能权限?
用于响应全局快捷键、确认当前输入位置,并把文字送入输入框。麦克风权限只用于录音。