如果你最近关注过 AI 语音输入大概率见过 Typeless、闪电说、Typeoff、豆包输入法、Wispr Flow 这类工具。它们共同指向一个趋势输入方式正在从“一个字一个字打出来”变成“把想法说出来再由 AI 整理成可用文本”。我自己也在这个方向上做了一个开源项目GitHubhttps://github.com/botaruibo/MyVoiceTypingMyVoiceTyping 是一个面向 macOS 的中文 / 中英混合语音输入工具。它的目标不是立刻“吊打”成熟商业产品而是提供一个更透明、更可审查、更适合折腾和自定义的本地优先方案。一句话介绍 按住快捷键说话松开后自动完成语音识别、标点恢复、轻量纠错 / 润写然后粘贴到当前输入框。## 为什么还要做一个语音输入项目我遇到的痛点主要有三个。第一中文语音输入不能只做“语音转文字”。真实口述里会有大量停顿、重复、口语化表达和断句问题。比如 帮我写一个这个接口的测试用例嗯就是那个用户登录失败的时候要判断错误码然后这个 token 为空的时候也要覆盖一下如果只是逐字转写这段话并不好直接发给 AI也不适合直接贴进文档或 issue。更理想的结果应该接近 帮我为这个接口补充测试用例覆盖用户登录失败时的错误码判断以及 token 为空时的异常场景。第二AI Coding 时代打字越来越像瓶颈。现在很多开发工作已经变成- 讲清楚需求- 描述 bug- 解释当前代码上下文- 给 Cursor / Claude Code / Codex / Copilot Chat 写长 prompt- 让模型根据自然语言修改代码。这些内容用嘴说往往比手打更自然尤其是中文和英文技术词混在一起的时候。第三语音输入的数据安全问题被低估了。语音输入里可能包含- 公司需求- 会议纪要- 客户信息- 代码路径- 内部系统名- GitHub Issue / PR 描述- AI Coding prompt- 私人聊天内容。所以我更倾向于“本地优先”的路线默认尽量让音频、转写文本和后处理文本留在本机至少让用户知道数据链路在哪里、模型在哪里、代码做了什么。## MyVoiceTyping 和 Typeless / 闪电说 / Typeoff 的区别我不想把它写成“谁替代谁”的营销稿。更准确地说它们面向的成熟度和侧重点不同。Typeless 这类商业产品的优势通常是- 产品体验更完整- 跨平台和系统集成更成熟- 语音编辑、格式化、智能整理更强- 适合不想折腾、希望开箱即用的人。MyVoiceTyping 更适合另一类用户- 希望 0 费用使用- 希望代码开源、链路可审查- 更关注 macOS 中文 / 中英混合输入- 希望语音识别和润写尽量在本地完成- 想自己改模型、改提示词、改热词词典- 需要处理 AI Coding prompt、会议纪要、工作消息等隐私敏感文本- 愿意接受早期项目并反馈真实问题。所以它可以理解成 Typeless 的开源平替方向但不是“成熟商业产品的完全复刻”。## 当前处理链路MyVoiceTyping 当前的大致链路是text语音输入→ 本地 ASR→ 标点恢复→ 轻量纠错 / 润写→ 粘贴到当前输入框项目重点不是让模型自由发挥而是“最小必要修改”- 修正常见 ASR 错词- 补充中文标点- 改善长句断句- 尽量保留原意- 保留技术词、产品名、库名- 避免把口述内容过度总结成另一段话。这一点对 AI Coding 很重要。因为如果语音输入工具擅自改动需求后面的代码生成就可能跑偏。## 配套模型和数据集除了 App 主项目我也把配套的润写模型和调优数据集放出来了。主项目https://github.com/botaruibo/MyVoiceTypingModelScope 润写模型https://modelscope.cn/models/botaruibo/MyVoiceTyping-1.5b-q4训练 / 调优数据集https://github.com/botaruibo/MyVoiceTyping-Dataset这个模型不是通用聊天模型而是面向中文语音输入后的 ASR 后处理- 错词纠正- 标点断句- 口语转轻量书面表达- 技术词保护- 中英混合文本处理- 尽量不改变原意。## self-evaluation让本地模型越用越贴合自己我后续想继续探索一个方向self-evaluation / 自进化。语音输入真正麻烦的地方不只是“识别准不准”而是每个人希望输出的文字风格都不一样。有人喜欢短句有人喜欢正式一点有人写 issue 时偏结构化有人写聊天消息时希望自然有人经常输入固定项目名、库名、业务词。所以 MyVoiceTyping 后续希望把用户确认后的修改结果变成本地偏好数据text原始语音转写→ 模型润写初稿→ 用户手动修改后的最终稿→ 本地偏好样本→ 定期评估 / 轻量调优本地模型目标是让模型慢慢学会- 你常用哪些技术词- 你喜欢怎样断句- 哪些词不能乱改- 哪些表达应该更口语- 哪些场景应该更正式- AI Coding prompt 应该保留多少细节。这里的边界也很重要这些数据默认应该尽量留在用户本机由用户决定是否保留、删除、导出或参与训练。## 它现在适合谁目前更适合这些用户- macOS 用户- 中文 / 中英混合输入较多- 经常写长 prompt、需求描述、bug 复现- 使用 Cursor、Claude Code、Codex、Copilot Chat 等 AI Coding 工具- 关心本地数据安全- 想找 Typeless / 闪电说之外的开源方案- 愿意接受早期项目并提交反馈。如果你追求极致稳定、跨平台成熟体验商业产品可能更省心。如果你更关心开源、本地优先、0 费用、可审查、可改造MyVoiceTyping 会更适合。## 30 秒试用建议可以用一个虚构任务测试不要用公司真实机密内容。例如口述text帮我写一个 GitHub issue说明 macOS 上中文语音输入的时候如果我说 Cursor、Claude Code 和 JSON模型不要把这些技术词改成中文音译同时标点要自然一点。然后观察1. 中文断句是否自然2. 英文技术词是否保留3. 口语是否被过度改写4. 输出是否适合直接发给 AI5. 是否需要大量手动修改。如果你愿意反馈可以在 GitHub 提 issuehttps://github.com/botaruibo/MyVoiceTyping/issues/new/choose## 最后MyVoiceTyping 还很早期但方向很明确- Typeless 平替方向- 本地优先- 0 费用- 中文 / 中英混合输入- App、模型、数据集公开- 面向 AI Coding prompt 和隐私敏感输入- 后续探索 self-evaluation让本地润写模型越用越贴合个人表达习惯。如果这个方向对你有用欢迎到 GitHub 点一个 Starhttps://github.com/botaruibo/MyVoiceTypingStar 对早期开源项目很重要它能帮助更多需要中文语音输入的人发现这个项目也能帮助我判断后续应该优先投入 Demo、License、模型调优、中文技术词、隐私边界还是 self-evaluation。