项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-26 · 当前星标 ★ 12445
使用教程
环境要求
- macOS 系统
- 麦克风权限
- 辅助功能权限
- 可选:Homebrew 用于命令行安装
安装与启动步骤
-
1安装应用
使用 Homebrew 安装 FluidVoice;如未使用 Homebrew,可从 GitHub Releases 下载最新版手动安装。
brew install --cask fluidvoice -
2授予系统权限
首次启动会请求麦克风与辅助功能权限,两项都需允许,否则无法听写和向其他应用输入文字。
-
3设置全局热键
在设置中选择一个全局快捷键,用于在任意应用中触发语音捕获。
-
4完成引导选择模型
按语言和延迟需求选择语音模型,可选零下载的 Apple Speech,或高精度的 Nemotron、Whisper 等。
-
5启用本地增强
可选:在引导流程中下载本地 AI 模型以增强听写结果,处理全部在本机完成。
-
6配置云增强提供商
可选:添加 OpenAI、Groq 或自定义提供商 API Key 用于云端增强,密钥保存在 macOS 钥匙串。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
全局热键 | 是 | 在设置中选择触发语音捕获的快捷键。 | 自定义组合键 |
语音模型 | 是 | 按语言和延迟需求选择听写模型。 | Apple Speech |
Fluid Intelligence | 否 | 下载本地 AI 模型,在设备端增强听写结果。 | 开启 |
AI 提供商 API Key | 否 | 可选 OpenAI、Groq 或自定义提供商密钥,存入钥匙串。 | sk-xxxxxxxx |
Hold Space to Mute | 否 | 免手提听写中按住空格静音,松开恢复。 | 开启 |
如何确认成功
应用启动并授予麦克风、辅助功能权限后,按全局热键说话,文字应出现在当前光标位置。
常见问题
Q:没有 Homebrew 怎么安装?
A:可从 GitHub Releases 页面下载最新版手动安装,README 提供了 latest release 链接。
Q:权限被拒绝怎么办?
A:在 macOS 系统设置中为 FluidVoice 开启麦克风与辅助功能权限,然后重新启动应用。
Q:选哪个语音模型?
A:Apple Speech 无需下载;Nemotron、Whisper 等精度更高,可按语言和延迟需求选择。
Q:数据会上传吗?
A:本地模型与 Fluid Intelligence 均在本机运行;仅在选择自带云提供商增强时才会使用云端。
Q:如何体验测试版?
A:进入 Settings → Automatic Updates → Beta Releases 选择加入测试版更新。
注意事项
- 本项目为 macOS 应用,Windows 与 iOS 版本需参考官方其他渠道。
- 麦克风与辅助功能权限均为听写和输入文字所必需。
- 使用自带 AI 提供商时,密钥保存在 macOS Keychain,访问时选择 Always allow。
- Hold Space to Mute 默认关闭,仅适用于 Dictation 模式。
核心亮点
- 识别与 AI 增强全部在设备端运行,音频和文本不上传云端,隐私风险低
- 针对听写场景自训练增强模型,可自动补标点、断句和润色,输出更接近可直接使用的文本
- 延迟控制较好,适合高频短句输入,且支持离线使用
不足之处
- Android 与 Linux 仍处候补名单,非 macOS 用户体验受限
- 本地模型对硬件有一定要求,老机器上推理速度和效果可能下降
- 自训练增强模型的可定制性与语言覆盖范围文档尚不充分
适用场景
- 写代码或写文档时用语音快速录入段落,减少键盘输入
- 会议记录或灵感速记,离线环境下也能即时转成文字
- 对隐私敏感的法律、医疗等场景,需要本地完成语音转写
替代项目
whisper.cpp、Buzz、Vibe
上一篇:whistle-esp32
下一篇:saa-sdk
同类项目推荐
speech-android
开源
高通芯片上跑离线语音,识别降噪一次搞定
On-device speech SDK for Android — ASR, TTS, VAD, and noise cancellation powered by···
deepgram-python-sdk
开源
Python 接入 Deepgram 语音 AI,几行代码实现语音转文字/文字转语音
Official Python SDK for Deepgram.
echogarden
开源
一站式命令行语音工具箱,搞定合成、识别、翻译和分离
Cross-platform speech toolset, used from the command-line or as a Node.js library. I···
CrisperWhisper
开源
让 Whisper 转写更精确,词级时间戳和语气词全搞定
Controllable Transcription. Verbatim ( every, filler, pause, stutter, vocal sound) ,···
whisperx-asr-service
开源
把 WhisperX 变成开箱即用的语音识别 API 服务
speech.cpp
开源
一个 C++ 库跑通语音识别、合成和 VAD,本地部署开箱即用
Speech synthesis, speech recognition and voice activity detection for voice conversa···
hyprwhspr
开源
Linux 全局语音听写,按快捷键说话就出字
Native speech-to-text for Linux - Fast, accurate, private, and hackable system-wide ···
yapsnap
开源
一条命令,把视频音频转成文字,不用显卡不用云
Transcribe any video URL or audio file into plaintext. No GPU. No cloud. One command···
speech-recognition-uk
开源
让乌克兰语应用轻松拥有语音识别和合成能力
Speech Recognition & Synthesis for Ukrainian
