devonmochi/byetype

它解决的问题

ByeType 是一款语音转文字和屏幕捕获工具，利用多模态 AI 提供高度准确、上下文感知的转录。它解决了标准听写软件的常见问题，例如对行业特定术语识别不佳、专有名词处理错误，以及无法格式化或清理对话中的填充词。

工作原理

与传统的先转录音频再由 LLM 进行二次处理的工具不同，ByeType 将原始音频直接发送给多模态模型。您可以使用 Markdown 文件定义自定义规则、词汇列表和输出样式。应用会在转录过程中实时应用这些规则。它还具备“自动学习”功能，分析您的手动更正以提高未来的准确性。对于屏幕捕获，它使用 AI 来解读布局、移除 UI 杂乱元素，并修复格式问题（如断行错误）。

适用人群

它专为经常使用语音输入进行文档编写、编码或沟通的专业人士和高级用户设计，他们需要高精度的输出，能够理解技术术语、特定品牌名称和自定义格式要求。

亮点

• 可自定义规则： 使用 Markdown 定义专有词汇、首选格式和输出样式。
• 多模态处理： 直接音频到文本处理，可即时应用样式和上下文规则。
• 智能清理： 自动移除填充词、格式化数字/单位，并处理截图中的代码片段或文本块。
• 跨平台： 支持 macOS、Windows 以及 iOS 快捷指令。
• 开发者友好： 包含本地 HTTP API，可将语音转录集成到其他工作流或脚本中。