折腾一段时间后，今天发现了杀死比赛的 Mac（Windows）语音输入方案

软件：GitHub - Open-Less/openless: Hold a key, speak, release — AI-polished text appears at your cursor in any app. Open-source voice input for macOS & Windows. (按住快捷键说话，松开即得润色后的文字) · GitHub

ASR模型：qwen平台的 qwen-audio-3.1-asr-flash-message

目前唯一缺陷是，openless支持wss访问的模型似乎走的是某种白名单，只能让ai为你写一个中转层，把qwen-audio-3.1-asr-flash-message映射到一个白名单模型上

openless内关闭润色模型，在中转层传递

"disfluency_removal_enabled": true,

"intermediate_result_enabled": true

上二参数分别是

识别的同时进行润色，实测口水词能100%去掉、轻度逻辑不清晰的语句，能够为你很好的补全句子要素。大部分大字的时候懒得打，但是会让语义更清晰的标点，也会为你补齐。

中间文本实时推送，类似之前流式模型的感觉，一边说话一边把转写的内容缓存到openless内，实现一松手立刻出字的效果

这样一套配置解决了三个痛点

1. 实测语音识别准确率高的吓人，基本能想什么说什么，很复杂的多语言场景也能胜任，完美识别你说的原话的同时，能帮你把文字的可读性提升


2. 速度快的批爆，松手到出字大概是200~700ms左右，基本上无感，松手即出字


3. 成本很低，大概是3.0-streaming模型的四成价格，还未计算以前的润色模型开销