手骨折后 🦴 做了个 macOS 语音转文字输入工具

>>> Shuo <<<

前阵子右手骨折 💔 无法顺畅打字以后，我不得不开始认真使用市面上的语音输入；也很感谢今年 AI 的光速发展，让我在这段时间能真的 “Vibe Coding”。

而且，这段时间才发现，平时回消息、发表情包、写代码，甚至只是和 AI 交流一轮，都有多依赖鼠标和键盘。现在语音实实在在帮上了忙，但在真正的 Vibe Coding 过程中，还是会因为各种原因不断 fallback 到键盘。最明显的是中英文混合、标点，项目名称、术语、代码和人名。

另一件我意识到的事是：我不断说、不断改，最后才得到想要的结果。这些数据也许对我很有价值；如果它们全都随着一次次输入结束而消失，就有些可惜。

我希望这段语音输入不是一次性的「输出」，而是一条能回放、比较和修订的完整记录，存储在本地。这样我就可以方便地回顾历史输入；未来也可能用来训练个人语音识别的专属模型，甚至直接用作个人声音生成的材料。

所以我开始做 Shuo：一个常驻菜单栏、尽量轻便小巧的 macOS 语音输入工具。

按住右 Command 或右 Option → 说话 → 松开。

文字会写进当前 App 。转写结束后，悬浮栏会保留刚刚那一句；可以直接修改，按 ⌘↩ 确认。

其实这个赛道已经有不少做得很好的工具；所以我更想做一个相对小而完整，但是能被长期调整的“起点”。它覆盖日常需要的核心流程，然后把整个路径拆成明确的阶段：录音、音频处理、上下文、推理、后处理、人工修订和最终输出。这样每个阶段都可以独立加增删模块、替换或关闭，做到尽可能 flexible 和 extensible 。

另外整个 app 没有服务器，完全不收集任何用户资料和信息，也没有广告。如果选择使用本地模型时，甚至完全不需要网络；使用云端 AI 的时候，音频或文本也会直接发送给配置的服务。

我觉得有了 AI 后，每个人都能拥有最适合自己的，且独属于自己的，产品。从今天来看，开源的意义不只是“可以看代码”，现在每个人都可以直接在任何现有代码和产品上修改出适合，甚至“只适合”，自己的产品。

我让身边几位朋友试了试，反馈整体不错。不过一个人搓轮子最大的问题就是看不到其他人的使用场景，问题，和需求，所以特此发布在这里，欢迎试用，提交 Issues 和 PRs 。

当前是 macOS 直装，已签名、公证。

下载和完整说明：

https://stcheng.github.io/shuo/

GitHub：

https://github.com/stcheng/shuo