google-gemini/jot-gemini-transcribe-macOS

What it solves

Jot 为 macOS 提供了一种智能听写体验，可将口语转换为润色过的、带有标点的文本，并直接插入到光标处。它消除了切换窗口或手动复制转录文本的需求，同时能够处理常见的语音模式，例如自我纠正（例如，将时间从 1pm 更改为 2pm）和标准听写功能经常遗漏的专业术语。

How it works

Jot 通过 Gemini API 使用 gemini-3.5-transcribe 模型。当用户按住特定按键（如 fn）时，应用程序会立即将音频捕获到磁盘上以确保崩溃安全性。一旦按键释放，音频将被转换为 FLAC 并发送到 Gemini API。生成的文本将通过一个格式化流水线进行处理——其中可以包括语气匹配和用于技术术语的自定义字典——然后使用 macOS Accessibility API 或受保护的粘贴机制插入到当前活动应用程序中。

Who it’s for

想要高精度、低摩擦听写工具的 macOS 用户，该工具可以无缝集成到他们正在使用的任何应用程序中，且无需单独的账户或中间服务器。

Highlights

• Intelligent Editing: 自动移除填充词并处理语音中的“改变主意”情况，以生成整洁的最终文本。
• Privacy-First: 语音数据使用用户自己的 API key 直接从 Mac 发送到 Gemini API，没有中间服务器或分析工具。
• Crash-Resistant: 音频从第一毫秒起就写入磁盘，确保即使在崩溃或断电后也能恢复录音。
• Custom Dictionary: 允许用户添加特定的名称和产品术语，以确保技术术语被正确转录。
• Low Latency: 在空闲时预热捕获图，以尽量减少按键按下与录音开始之间的延迟。