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 2026-09-15 · 当前星标 ★ 3998
技术标签
使用教程
⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
环境要求
- macOS 15 或更新版本的 Apple silicon Mac（正式版）
- Windows x64 或 ARM64 电脑（beta 版）
- Linux x86_64 + X11，或兼容 wlroots 的 Wayland 合成器（beta 版）
- 麦克风，以及首次启动时授予的输入/辅助功能权限
- 安装过程中需要下载本地语音模型，请预留磁盘空间
安装与启动步骤
-
1打开官方下载页
从 README 提供的官方下载链接进入发布页，该链接始终指向当前版本。
-
2选择对应平台
Mac、Windows、Linux 各有一个安装包，请按自己的系统和芯片架构选择。
-
3安装应用
按下安装包，将 Hex 安装到系统中；Mac 通常需要拖入「应用程序」文件夹。
-
4授予系统权限
首次启动按提示允许麦克风访问；Mac 还需允许输入监控或辅助功能，才能把文字粘贴到其他应用。
-
5下载本地语音模型
安装向导会要求下载一个本地语音模型，下载完成后，语音识别全部在本机完成。
-
6设置快捷键与语言
在设置里选择按住说话的组合键、听写语言和要使用的模型。
-
7开始听写
在任意应用的输入框内按住快捷键说话，松开后识别文字会自动粘贴到光标位置。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
快捷键（Shortcut） | 是 | 按住即开始录音、松开结束并转写的全局组合键。 | 自定义按键组合 |
语言（Language） | 是 | 指定听写语言，影响识别效果。 | 中文 |
模型（Model） | 是 | 选择本地语音识别模型，安装阶段下载。 | 本地语音模型 |
Modes | 否 | 为纠正词、特定应用行为、可选文本处理配置模式。 | 按应用自定义 |
如何确认成功
在任意输入框按住快捷键说一句话，松开后文字出现在光标处即成功。
常见问题
Q：Windows 和 Linux 能用吗？
A：可以，但目前是 beta 版：Windows 覆盖 x64 与 ARM64，Linux 覆盖 x86_64 X11 及兼容 wlroots 的 Wayland，功能可能不如 macOS 版完整。
Q：日常听写需要联网吗？
A：不需要。按 README 说明，普通听写使用安装时下载的本地模型在设备端转写，不依赖云端转写服务；只有可选的附加功能才会把内容发送给服务提供方。
Q：说完话没有文字出现？
A：先确认麦克风权限已授予，Mac 上还需开启输入监控或辅助功能权限，并确认所选模型已下载完成、快捷键未被其他应用占用。
Q：音频和文字会上传吗？
A：README 强调本地优先：音频与识别文本留在本机；README 另有「Privacy and local data」章节说明哪些数据留在本地、哪些可选功能会外发，建议安装前阅读。
注意事项
- macOS 正式版要求 macOS 15 及以上，且仅支持 Apple silicon 芯片。
- Windows 与 Linux 为 beta，安装包与体验可能随版本变化。
- 本地语音模型在安装阶段下载，请预留磁盘空间并保持网络可用。
- 快捷键、语言、模型等选项可在应用设置里随时修改。
核心亮点
- 全程本地识别，音频不上传，隐私敏感场景可用
- Rust 实现，常驻后台内存占用与启动开销较小
- 全局快捷键+自动粘贴，任意应用输入框都能直接听写
不足之处
- 目前以 macOS 为主，Linux 仅 beta，Windows 未覆盖
- 早期项目，识别模型与语言支持范围可能有限
适用场景
- 在 IDE 或终端里口述代码注释与提交信息
- 写邮件、聊天回复时免键盘快速输入长段文字
- 隐私要求高的场景下离线记录会议或灵感笔记
替代项目
whisper.cpp、superwhisper、VoiceInk
下一篇：PyAutoSRT
同类项目推荐
TranscriptionSuite
开源
本地跑语音转文字，隐私安全还带说话人分离
A fully local and private Speech-To-Text app, offering multiple model backends, diar···
OpenMinutes
开源
录音笔音频一键转文字、自动归类，随时检索复盘
OpenMinutes · 录音笔工作台：MemoTalk S1 录音的导入 · 转录 · AI 归类 · 检索复盘（···
whisper.el
开源
在 Emacs 里说话，文字直接落进缓冲区
Speech-to-Text interface for Emacs using OpenAI's whisper model and whisper.cpp as i···
AuralKit
开源
几行 Swift 代码，让 App 实时把语音变成文字
Swift package for real-time speech-to-text transcription with Apple SpeechAnalyzer a···
wenet
开源
开箱即用的生产级语音识别，从训练到部署一步到位
Production First and Production Ready End-to-End Speech Recognition Toolkit
EasyMrcp
开源
用 Java 轻松接入多家语音识别与合成服务
欢迎使用EasyMrcp！ EasyMrcp使用java编写，目前提供了多种不同的asr和tts的集成，做到真正···
web-speech-cognitive-services
开源
用Azure服务补齐浏览器语音API，统一标准接入
Polyfill Web Speech API with Cognitive Services for both speech-to-text and text-to-···
TensorFlowASR
开源
用 TF2 快速训练和部署端到端语音识别模型
:zap: TensorFlowASR: Almost State-of-the-art Automatic Speech Recognition in Tensorf···
wav2letter
开源
用 C++ 打造高性能端到端语音识别，训练推理快人一步。
Facebook AI Research's Automatic Speech Recognition Toolkit