SpeakType完全开源
MIT 许可。协议、纠错算法、界面——每一行代码都可读、可改、可自部署。
v0.17.2 Windows 稳定版 · macOS 预览版 · 豆包登录即用
你会说，
你会说，
它会打字。
按住 右 Ctrl 说话、松开，文字直接落到任意应用的光标处。识别默认在你自己的电脑上完成；识别引擎、AI 润色和热词词典都由你自己掌控。
- MIT 开源
- 默认离线
- 无账号、无遥测
- 5 种界面语言
Windows 10/11 x64 · macOS 预览版（Apple 芯片） · 更新说明与历史版本
0台自有服务器——除非你选择云端引擎，音频不会离开本机
4档离线模型可选：SenseVoice、Parakeet int8 / fp32、Whisper
5种界面语言：English、简体中文、繁體中文、日本語、한국어
MIT开源——协议、纠错逻辑和界面每一行都可读
为什么选 SpeakType
属于你自己的语音输入
大多数 AI 语音输入是闭源的，你的声音要经过厂商服务器。SpeakType 没有服务器——音频只去你指定的地方，或者哪儿都不去。
本地优先，没有后端
识别默认在你的电脑上完成。只有当你配置了云端引擎，音频才会发出去——而且只发到那个地址。
从你的修改中学习
落字后手动改掉一个错词，SpeakType 会把 {错 → 对} 学进你的词典。同一个错误，不会犯第二次。
免按连续听写
按一下 Alt+Q 或双击热键进入。按静音自动断句，停顿更久自动分段，随时 Esc 取消。可选语音命令。
选中即改写
选中一段文字，按住 F8 说“翻译成英文”或“改正式一点”——选区原地被替换。中途切了窗口？结果会留在剪贴板等你。
按应用切换人设
Alt+1…9 切换风格——默认、自动翻译、汇报老板、命令行、你自己的提示词——也可以按前台应用自动切换。
手机当麦克风
电脑没麦克风？扫码后对着手机说。局域网直连，或走一个可自部署的中转。
音视频文件转写
拖入音频或视频（mp3、wav、m4a、mp4…最长 3 小时），离线分段转写带时间轴，导出 TXT、SRT 或 VTT。
一分钟上手
从下载到听写
安装
运行安装包，或解压绿色版——它把配置放在 .exe 旁边。
选一个引擎
设置 → 语音 → 内置离线模型（一键下载），或者填入你自己的 API Key。
按住说话
光标放到任意位置，按住 右 Ctrl（或鼠标侧键），说完松开。
越用越准
手动改一个词，它就自动进词典——准确率随使用累积。
识别引擎
四档离线模型，或自带 Key
在应用内下载一次模型，之后永远离线——或者把 SpeakType 指向任意 OpenAI 兼容接口。随时切换。
| 模型 | 大小 | 适合 | 说明 |
|---|---|---|---|
| SenseVoice Small默认 | 240 MB | 中文、粤语、日语、韩语、英语 | 实测每句纯识别约 0.27 秒（端到端约 0.6 秒），自带标点 |
| Parakeet TDT 0.6B v3int8 | 670 MB | 英语 + 25 种欧洲语言 | 英文准确率最高；int8 偶尔会吞掉句首第一个词 |
| Parakeet 全精度fp32 · 可选 | 2.5 GB | 与 Parakeet 相同 | 修复句首吞词；加载后约占 2.7 GB 内存，实测速度与 int8 相同 |
| Whisper tiny / base / smallwhisper.cpp · 仅 Windows | 32 / 60 / 190 MB | 语言覆盖最广 | tiny 最快但易错；small 最慢也最准 |
左右滑动查看完整表格
中断后断点续传
SHA-256 完整性校验
三个下载源：Hugging Face → hf-mirror → GitHub Releases
传输停滞自动换源
失败提示说人话，可一键重试
任意 OpenAI 兼容接口
- Base URL + API Key + 模型名，走
/audio/transcriptions - 预设：OpenAI Whisper、Groq（有免费额度）、Fireworks、Mistral Voxtral、硅基流动、阿里云百炼
- 一键测试连接
登录即用的网页服务
- ChatGPT 网页转写（免费 OpenAI 账号即可）
- 豆包语音——登录后立即可用
- 默认关闭；使用的是未公开接口，请先阅读免责声明
任意对话模型，或者不用
- OpenAI、Gemini、Groq、DeepSeek、智谱 GLM-4-Flash、Kimi、通义千问…
- 本地 Ollama / LM Studio 接口（API Key 可留空）
- 不配也行：本地规则仍会修掉口误改口（“五点——不，六点” → “六点”）
界面一览
为每天使用而设计，深浅两色
实时跟随系统主题。下面每一张都是 Windows 版的真实截图（英文界面；应用本身可切换简体中文）。
手机当麦克风
电脑没麦克风？用手机。
在设置里扫一下二维码，按住手机上的按钮说话。文字落到电脑光标处，和本地录音完全一样。
- 局域网直连——手机和电脑在同一个 Wi-Fi 下，数据不出内网。
- 不在一起时走中转——官方中转是一个很小的 Cloudflare Worker，一条命令即可自部署。
- 浏览器或 App——用任意手机浏览器打开链接，或安装体积很小的 Android APK。
- 配对稳定——刷新后自动重连，第二台手机接管房间时干净交接。
对比
和常见方案比一比
对比大家通常会用的闭源语音输入工具。
| SpeakType | 典型 AI 语音输入 | 系统自带听写 | |
|---|---|---|---|
| 源代码 | 开源（MIT） | 闭源 | 闭源 |
| 完全离线可用 | 是——4 档本地模型 | 通常仅云端 | 部分 |
| 音频去哪儿 | 不出本机，或你指定的接口 | 厂商服务器 | 厂商服务器 |
| 自带引擎 / Key | 支持 | 不支持 | 不支持 |
| 从修改中自学纠错 | 自动 | 手动词典 | 无 |
| 免按听写 & 选中改写 | 支持 | 不一定 | 有限 |
| 手机当麦克风 | 支持 | 无 | 无 |
| 价格 | 免费 | 订阅 | 免费 |
左右滑动查看完整表格
下载
获取 SpeakType
Windows v0.17.2 是稳定版。macOS 版是早期预览——安装前请先看说明。
Windows
稳定版 · v0.17.2scoop bucket add speaktype https://github.com/wookat/scoop-speaktype
scoop install speaktype安装包未签名——SmartScreen 拦截时选择“更多信息 → 仍要运行”。
macOS
预览版未经公证：在“隐私与安全性”中允许，或执行 xattr -d com.apple.quarantine /Applications/SpeakType.app。按住 右 Option 说话。本地引擎：SenseVoice 与 Parakeet。
Android
手机麦克风不是独立的语音输入 App：它把你的声音通过局域网或中转传给电脑上的 SpeakType。
我们验证过什么
- 每个 Windows 版本都在真实 Windows 11 机器上跑过：打包安装、模拟麦克风与热键、100 / 125 / 150% DPI
- macOS 预览版在 Apple 芯片真机上：构建、安装、授权、按住说话 → 文字落入“文本编辑”
- Parakeet fp32 的离线 A/B 语料对照与真实 2.5 GB 下载
- 手机麦克风的局域网与公网中转链路（浏览器模拟手机），含接管与重连
还没验证的——如实说明
- macOS：签名 / 公证、Intel 硬件、物理麦克风与键盘；“从修改中学习”与 whisper.cpp 目前仅 Windows
- Windows：物理麦克风硬件（测试用的是模拟音频设备）以及使用真实付费 Key 的云端服务商
- 真实手机或真机上的 Android APK；fp32 在低内存机器上的长期内存表现
常见问题
你可能想问
我的声音会离开电脑吗？
除非你选择云端引擎，否则不会。使用内置离线模型时，识别、标点和“从修改中学习”的对比都在本机完成。SpeakType 不运营任何服务器，也不收集任何数据；API Key 与历史记录保存在 %APPDATA%\SpeakType（Windows）或 ~/Library/Application Support/SpeakType（macOS）。
支持识别哪些语言？
SenseVoice 覆盖中文、粤语、日语、韩语和英语；Parakeet 覆盖英语及 25 种欧洲语言；Whisper（Windows）覆盖最广。云端引擎按各自的语言列表。界面本身提供英文、简体中文、繁体中文、日语和韩语。
为什么安装包没有签名？
代码签名证书要花钱，项目目前还没有这笔预算。安装包由公开源码构建；SmartScreen 会显示“更多信息 → 仍要运行”。macOS 上应用为 ad-hoc 签名、未经公证——安装指南里有一行 xattr 命令可绕过。
macOS 版能日常使用了吗？
目前是预览版。构建、安装、授权和按住说话听写已在 Apple 芯片真机上验证；Intel 版为交叉编译，尚未在 Intel 硬件上运行过。whisper.cpp 与自动从修改中学习目前仅 Windows 提供。
ChatGPT 和豆包这两个“免 Key”服务商怎么回事？
它们复用你在应用内自己登录的会话，并调用未公开接口。默认关闭，随时可能失效，也可能不符合对应服务的条款——账号风险需要你自己判断。不确定就优先用离线引擎或自己的 API Key。详见 DISCLAIMER.md。
可以完全不联网使用吗？
可以。一次性下载模型（支持续传、SHA-256 校验、三个镜像源）之后，一切都离线运行。除你配置的云端引擎外，SpeakType 唯一会自行发起的联网是启动时向 GitHub 查一次最新版本号（只请求版本号），可在 设置 → 通用 → “自动检查更新” 关闭，做到严格零联网。绿色版把数据放在可执行文件旁边。
出问题了去哪儿反馈？
到 GitHub 提 issue。识别失败的录音会保留在本地（最多 20 段 / 7 天），可在历史页重试而不用重说；主日志在数据目录里。