TypeWhisper/typewhisper-mac

TypeWhisper for Mac – 产品简介

TypeWhisper 是一款原生 macOS 应用程序，让您可以通过菜单栏进行语音听写、转录，并运行 AI 驱动的文本转换。它支持设备端语音模型（如 WhisperKit、Parakeet、Apple SpeechAnalyzer）和云端 API（OpenAI、Groq、xAI/Grok 等）。转录后的文本可以通过可配置的工作流进行处理，调用 LLM 进行翻译、重写、提取或执行您定义的任何自定义提示词。所有功能均集成在精美的 UI 中，支持快捷键、iCloud 同步、插件系统以及用于自动化的 CLI/HTTP API。

核心功能

领域	功能亮点
转录	• 可选择数十种本地或云端 ASR 引擎（WhisperKit、Parakeet、Apple SpeechAnalyzer、Qwen3、Voxtral 等） • 说话时实时流式预览 • 音视频文件拖拽批量转录、Finder 集成及字幕导出 (SRT/WebVTT) • 从 Hugging Face 或本地文件夹导入自定义语音模型
听写	• 系统级一键通快捷键（单修饰键或自定义） • 自动粘贴到任何应用程序，支持撤销和“恢复原始转录”操作 • 可恢复过去 24 小时内最后三次成功的听写，并提供取消选项（双击 Esc、单击 Esc、立即取消）
AI 处理 (工作流)	• 构建可复用的流水线，用于翻译、重写、提取数据、格式化文本或触发特定应用的自动化 • 每个工作流可选择不同的 LLM 提供商（Apple Intelligence、Groq、OpenAI、xAI/Grok、Gemini、本地 MLX 模型）并支持回退排序

• 通过 MLX 插件支持本地设备端 LLM（Gemma 4、Qwen3.5、LFM2.5），实现隐私优先的提示词处理 | | 个性化 | • 针对不同应用/网站触发工作流，支持快捷键驱动或手动面板 • 包含术语包和自动学习纠错功能的词典 • 支持占位符的片段功能 ({{DATE}}, {{CLIPBOARD}}) • 可搜索的历史记录，支持设备分组、批量导出和内联编辑 | | 高级插件 | • 关联日历的会议自动化（倒计时、结构化会议纪要） • 用于词典/片段的云文件夹同步（iCloud Drive、Dropbox、OneDrive、Syncthing） • 跨 Mac 的历史记录/收件箱 iCloud 同步 | | 扩展性 | • 用于自定义 LLM 提供商、转录引擎、TTS、后处理器、内存后端和动作插件的插件 SDK • 本地 REST API（默认端口 8978），支持脚本的 bearer-token 认证 • 用于备份/恢复的 CLI (typewhisper export/import) | | 通用 UI/UX | • 可视化键盘快捷键编辑器，适配当前输入法 • 多种指示器样式（刘海屏、悬浮窗、极简模式），支持实时预览 • 用于统计、最近转录和活动图表的组件 • 多语言 UI（英语、德语、日语、简体中文） |

典型用例

免提写作：通过单个快捷键在任何文档、电子邮件或代码编辑器中进行听写，并让工作流自动清理格式或翻译文本。
会议纪要：录制 Zoom/Teams 通话，在本地转录音频，并让高级工作流生成结构化摘要并导出到您的笔记应用中。
辅助功能：需要设备端语音转文字的用户可以运行 WhisperKit 或 Parakeet，无需将音频发送到云端。
自动化流水线：结合本地 HTTP API 与脚本（如 Raycast、自定义 shell 工具）从其他应用或 CI 任务触发转录。
开发者与高级用户：使用自定义插件扩展应用，或使用 CLI 批量处理大型媒体库。

入门指南

安装 – brew install --cask typewhisper/tap/typewhisper 或从 GitHub 发布页面下载 DMG。
授予权限 – 麦克风 + 辅助功能（系统设置 → 隐私与安全性）。
选择转录引擎 – 打开设置 → 引擎，根据需要下载本地模型，或配置云端 API 密钥。
设置全局快捷键 – 使用可视化快捷键编辑器分配单修饰键。
听写 – 按下快捷键，开始说话，文本将出现在光标处。使用工作流面板或快捷键进行后处理。

许可与社区

许可：GNU GPL v3（如徽章所示）。
源码：仓库包含完整的 macOS Swift 项目、插件 SDK 和文档（发布说明、支持矩阵、构建说明）。
贡献：开发在 main 分支进行（目标版本 1.8）。每日构建版本发布为 v1.8.0-daily.*。仓库中提供了问题反馈、功能请求和发布检查清单模板。

总结

TypeWhisper 是一款功能全面、注重隐私的 macOS 听写和语音转文字工具，结合了设备端或云端转录、可自定义的 AI 工作流、插件扩展性以及系统级快捷键控制。它非常适合任何希望在 Mac 上获得强大、可脚本化语音输入体验的用户。