📌 项目地址altic-dev/FluidVoice | ⭐ 3,498 颗星 | 🔧 Swift | 📜 未标注

一句话总结

FluidVoice 是一个为 macOS 设计的开源离线语音转文字应用,核心特点是用本地 AI 模型实现极低延迟的听写,并支持用语音控制 Mac 系统操作(Command Mode)和在任何文本框中书写/改写(Write Mode),所有数据处理都在本地完成,无需联网。

为什么值得关注

macOS 自带的语音听写在准确率、响应速度和定制能力上往往不够理想;而云服务(如 Whisper API)又涉及隐私和数据传输。FluidVoice 使用 NVIDIA Parakeet 模型进行离线语音识别,官方声称在 1.6.0 版本中实现了“几乎零延迟”——说话和文字出现在屏幕上的间隔极小。此外,它提供了一种可选的本地 AI 增强引擎(Fluid Intelligence),用于智能格式化、上下文感知大写、后处理等,完全在 Mac 上运行,不发送数据到任何地方。

快速上手

安装方式

最简单的安装方式是通过 Homebrew:

brew install --cask fluidvoice

也可以从 GitHub Releases 手动下载最新版本的 .dmg 文件。

首次使用

安装后启动应用,会有一个引导界面(Onboarding),先选择语言和语音引擎,然后可以尝试实时听写,并配置 AI 增强(Fluid Intelligence)。根据 README 中的说明,应用直接工作得很好,Fluid Intelligence 是可选的本地增强层。

核心功能详解

Command Mode(命令模式)

通过语音在 Mac 上执行操作:启动应用、运行快捷指令、触发系统动作、自动化工作流程,全程无需触碰键盘。演示视频中展示了如何通过语音命令完成打开文件夹、发送邮件等操作。

Write Mode(写模式)

在任何应用的任何文本框中书写或改写文字。你可以先说话,文字会实时填入当前光标位置;也可以选中已有文字后,通过语音指令进行改写、润色或翻译(取决于 AI 增强的能力)。

Fluid Intelligence(本地 AI 增强)

这是一套私有的本地 AI 运行时,在设备上提供高级的听写后处理:
– 智能格式化(日期、电话号码、邮件自动格式化)
– 上下文感知大写(句子首字母、专有名词识别)
– 后处理(标点、断句优化)

重要:Fluid Intelligence 目前是私有的,不包含在 GPLv3 的开源代码中。核心的语音转文字功能是开源的,并且可以配合其他云 AI 提供者使用。开发者表示暂未开源 Fluid Intelligence 是为了可持续地免费提供核心听写体验,未来可能会改变。

与同类工具的差异

特性 macOS 自带听写 云端语音转文字(如 Whisper API) FluidVoice
运行模式 离线(有限制) 依赖网络 完全离线(本地模型)
响应速度 中等(有延迟) 取决于网络延迟 近乎零延迟(Parakeet 优化)
隐私 本地处理 数据上传到云 全部本地处理
高级后处理 需要额外编程 Fluid Intelligence 本地 AI 增强
语音控制 Mac Command Mode
开源 核心代码 GPLv3 开源

FluidVoice 最独特的价值在于:极低延迟的本地离线识别 + 可选的本地 AI 增强 + 语音控制 Mac 系统,这三者结合目前找不到免费替代品。

注意事项

  • 许可证:项目本身基于 GPLv3,核心代码开源。Fluid Intelligence 作为单独组件,目前不包含在开源范围中。
  • 硬件要求:由于使用本地模型(尤其是 Parakeet 和 Fluid Intelligence),需要 Mac 有足够的 RAM 和计算能力(建议 Apple Silicon 或 Intel 带足够内存)。
  • 首次启动需要下载模型,请保证网络通畅,后续使用完全离线。
  • 社区支持:开发者鼓励在 GitHub 上 Star 项目,并通过 GitHub Sponsors 支持持续开发。

适合谁用

如果你需要在 Mac 上频繁进行语音输入,且对隐私敏感、不能接受网络延迟,或者想通过语音控制 Mac 提高效率,FluidVoice 是目前最好的免费选择。尤其是需要长时间听写(如会议记录、笔记、代码注释)且不想依赖云服务的用户,值得一试。

如果已经在用 macOS 自带听写,可以对比一下 FluidVoice 的响应速度和准确性;如果需要更智能的格式化(如自动识别“二零二四年四月五日”并格式化为“2024年4月5日”),Fluid Intelligence 是加分项。

更多细节和演示视频请查看 GitHub 仓库

这篇文章对你有帮助吗?

发表回复