google-gemini/jot-gemini-transcribe-macOS

解決的問題

Jot 為 macOS 提供了智慧的聽寫體驗，能將口語轉換為修飾過、加上標點的文字，並直接插入游標所在位置。它消除了切換視窗或手動複製轉錄文字的需求，同時能處理標準聽寫功能常會遺漏的常見語音模式，例如自我修正（例如將時間從下午 1 點改為下午 2 點）以及專業術語。

運作方式

Jot 透過 Gemini API 使用 gemini-3.5-transcribe 模型。當使用者按住特定按鍵（例如 fn）時，應用程式會立即將音訊錄製到磁碟以確保當機安全性。放開按鍵後，音訊會被轉換為 FLAC 並傳送至 Gemini API。產生的文字會經過格式化管線處理——這可以包含語氣匹配與技術術語的自訂字典——然後再使用 macOS 輔助使用 API 或受保護的貼上機制，將其插入到目前的應用程式中。

適用對象

macOS 使用者，他們希望擁有一款高準確度、低阻力的聽寫工具，能無縫整合到他們正在使用的任何應用程式中，且不需要額外的帳號或中繼伺服器。

亮點

• 智慧編輯：自動移除填充詞並處理語音中的「改變主意」，以產生乾淨的最終文字。
• 隱私至上：語音資料使用使用者自己的 API 金鑰直接從 Mac 傳送至 Gemini API，沒有中繼伺服器或分析追蹤。
• 抗崩潰：音訊從第一毫秒起即寫入磁碟，確保即使在當機或斷電後也能復原錄音。
• 自訂字典：允許使用者加入特定名稱與產品術語，以確保專業術語能被正確轉錄。
• 低延遲：在閒置時預熱擷取管線，以將按鍵與開始錄音之間的延遲降至最低。