joewongjc/type4me

Type4Me – macOS 语音输入与 AI 驱动的文本助手

是什么

• 一款开源 macOS 应用（macOS 14+ / Sonoma），可让你直接在任何光标位置听写文本。它将语音转文本与可选 AI 处理（如润色、翻译、回答问题或控制 Mac）相结合。

工作原理

• 按下全局热键，说话，语音会实时显示。原始转录文本随后可传入你选择的大语言模型（OpenAI、Claude、Gemini、Ollama 等）或本地运行的模型，进行进一步处理。
• 该应用支持两种部署模式：
  1. 云模式 – 使用外部语音识别服务（例如火山引擎/豆包、Soniox、OpenAI），并将文本发送到远程 LLM。
  2. 本地模式 – 在 Apple 芯片机器（约 8GB RAM）上运行 SenseVoice + Qwen3-ASR 离线识别器，仍可通过 Ollama 调用本地 LLM。
• 所有配置（API 密钥、选定的识别器、选定的 LLM、提示词、热键）都保存在你的机器上，每日备份，并可导出。

主要功能

功能	作用
多种模式	快速（仅原始转录）、智能（自动清理与上下文感知措辞）、翻译（支持 18 种语言）、提问（对选定文本的语音问答）、Mac 控制（例如“打开 Safari”、“将音量设为 30”）、润色、提示词生成、创建待办事项。
可自定义提示词	每种模式运行用户可编辑的提示词模板；占位符 {text}、{selected}、{clipboard} 可让你拼接任意工作流。
热键驱动	将任意模式绑定到全局快捷键；选择“按住说话”或“切换开/关”。
词汇/技能系统	安装可选的 type4me-vocab-skill 以添加自定义术语和自动替换，提高领域特定准确性。
历史与使用仪表盘	存储原始和处理后的结果，可搜索，可导出为 CSV；显示每个模型的令牌使用量、预估成本和延迟。
菜单栏控制中心	快速查看录音状态，切换识别器、LLM、语言等。
URL 方案	type4me://… 命令可让你从 Stream Deck、快捷指令、Raycast、Alfred 或脚本触发操作，无需抢占焦点。
本地备份	设置、词汇、模式定义和历史记录的自动 7 天轮换。
开源与 MIT 许可	完整源代码可用；构建已通过 Apple 公证。

开始使用

1. 下载合适的 DMG（推荐云版或 Apple 芯片本地版）。安装并授予麦克风和辅助功能权限。
2. 为语音识别提供商和 LLM 添加 API 密钥（或为本地模型安装 Ollama）。
3. 选择一种模式，或在设置中编辑提示词模板来创建自己的模式。
4. 按下配置的热键，说话，观看文本出现。使用菜单栏或 URL 方案调用额外操作。

可扩展性

• 插件词汇技能 – 一个单独仓库（type4me-vocab-skill），让应用能通过语音命令学习自定义术语。
• 模型无关 – 任何暴露 OpenAI 兼容 API 的服务都可以替换，包括中国提供商（豆包、DeepSeek、Kimi 等）或本地 Ollama 实例。
• 自动化 – URL 方案命令可实现与现有 macOS 自动化工具的集成。

存在原因 作者发现现有语音输入工具要么昂贵、要么闭源、要么不灵活（不支持导出、无自定义提示词、高延迟）。Type4Me 旨在免费、透明、适应性强，同时仍提供 AI 增强的文本处理。

贡献 欢迎提交 Issue 和拉取请求。代码库主要由 Claude Code 生成，欢迎贡献者遵循 CONTRIBUTING.md 指南。

许可证 MIT 许可证。

---

以上所有信息均直接取自仓库的 README。