[macOS] 嘴砲輸入法 – 純地端語音辨識轉文字，可搭配雲端LLM做優化輸出或是翻譯

嘴砲輸入法 Mac version 下載傳送門：https://github.com/jfamily4tw/voicetype4tw-mac/

 

因為我的Typeless快到期了，所以我就把同樣概念的想法，用Gemini跟Nebula手戳了一個地端的版本

透過Apple Silicon的Local Whisper來做語音的轉換，然後再串接API連結外部的LLM引擎來做優化（可自由選擇直出還是優化，甚至可以做翻譯）

推出的第一個版本給大家來試試看，有興趣的歡迎來測試一下啦

打包版本等之後再慢慢推出吧，我們先把Python版本修好

免費取用，覺得不錯的歡迎打賞，github裡面有Linepay帳號

下面詳細介紹一下這個軟體吧

 

發想

大家之前應該都看過我分享的Typeless語音輸入法神奇的地方，大家不要小看這每個月12元美金，這個應用20元，那個應用20元，十個應用加起來就是200美元，一年下來很可觀的

我就開始想說，能不能用龍蝦OpenClaw來做手搓的版本

 

因此一開始我是在我的Nebula GG，就是上一篇跟大家分享的「Nebula到底能不能捏爆龍蝦」的這個Nebula上面來做開發

 

起初開發的其實還蠻順利的，交代它要做什麼任務之後，我就去教女兒怎麼圈養龍蝦，等我再次回來的時候，雛形就出來了

但是後期的一些細部修改，因為它的模型沒辦法切換，因此總是差那一步啊（懂得都懂）

 

Antigravity接手

因為我都得在本地端跑軟體來測試語音轉文字效果，所以我就想乾脆開啟 Antigravity 來接手做後面優化已經添加更多功能的任務

有在玩龍蝦的朋友應該都知道，靈魂檔案這一直都是AI與人在溝通上面一個說起來很玄，但是想起來又很妙的一個東西

有興趣的夥伴可以看上面這影片中的解說

 

 

所以我也想在輸入法裡面也讓它能夠灌入靈魂的一個想法

因此，在這個設計上面，我就加了這個部分的東西，當然，有了靈魂之後，記憶也很重要。

 

因為我們常常在做輸入的時候，常常會有一些專有名詞，或是客戶的品牌名稱，這些都不會是一般常見的一些內容

自定義的智慧輸入方式呢，或者是說它在監控、在轉換語音轉文字的時候，什麼字會出現了三次以上

它就開始記錄標記

標記能夠讓我們快速檢索到這是不是我們常用的字彙，然後加入到我們的自定義的資料庫裡面

同樣的，在記憶的部分，我也希望讓它每個禮拜去做一個整合，把重點給節錄備份起來

 

語音轉文字

語音轉文字這個部分，就是俗稱所謂的STT、Speech-to-Text的這樣的一個轉換模型，上面市面上有非常多的Solution，不管是雲端的轉換，那其實這邊最重要的是在Apple的M-Chip晶片上面，它內建了Local的Whisper功能，因此我們只要在本地端就可以做到語音轉文字的功能，不需要任何的API，不用花錢，就可以本地轉換

 

TypeLess之所以好用，就是因為它加上了雲端的AI輔助優化功能，讓我們在講話的內容上面，不只是原意直接輸出，而是會透過LLM的分析，去優化我們輸出的結果

 

有些人有資安考量的話，其實你就不要開啟優化的功能，直接做語音轉文字的單純轉換；如果你想要有更進一步的功能，譬如說優化之外

 

我們還可以做一個快速的翻譯切換，直接翻譯成英文或是日文

這邊你可以用MenuBar上面的快速功能切換，或者是直接用嘴巴講語音的方式，直接跟他說把下面這段文字翻譯成英文，就會開啟翻譯模式

 

收音效果

按下魔術按鍵之後，要怎樣確知它已經接收到我們的聲音呢，當然我這是從Typeless上面學來的，那這些UI介面全部都是AI自己寫的，不是我寫的，我根本不會啊；然後就除了推出了這個點子，剩下它就去模仿出來這樣的一個效果，再加上錄音中、辨識中，AI有沒有這樣子介入的功能，會有各種不同模式的呈現

 

數據統計

怎麼樣讓你的使用者覺得這個軟體真的好用？那當然就是把他使用的狀況全部記錄下來啦，比如說他總共用語音錄了多少秒的時間，然後這些轉換成為每個人平均一分鐘可以輸入字數的時候，我們自然就可以轉換成總共幫他省下多少打字的時間了

這個就像是汽車界的際里程停止器，你以為原廠算不出來你這台車的實際里程是多少嗎？

當然算得出來啦，它還有引擎的運轉時數，還有變速箱的運轉時數，來各式各樣的資訊可以回推你這台車實際上到底跑了多少里程

 

後記

吉米手搓的這個嘴砲輸入法呢，其實就是一個Vibe Coding的一個範例啊

我從有這樣的一個想法，然後這樣請AI去做出來，直到實際上架到GitHub，免費給大家下載使用，喜歡的人就自己去裝、自己去改

當然啊，這中間呢，沒有任何費用產生，你不需要去購買任何的API、任何的Token付費來做這件事情，你只要自己會搞這些就OK了

之後呢，吉米還會提供這個APP的版本，你只要下載之後直接執行就可以了

如果你覺得不錯的話呢，歡迎大家提供一些購買使用的建議，或者說改進的建議給吉米

在AI能力可及的範圍之內，當然不是我能力可及的範圍之內，我會來去做修改、來進化

那如果你也喜歡這個軟體的話呢，當然歡迎大家到斗內來打賞囉，我的連結在下面啦

歡迎打賞

 

下載傳送門

https://github.com/jfamily4tw/voicetype4tw-mac/

 

最後的最後

 

來分享一下語音辨識之後，丟到雲端OpenRouter的LLM分析優化會花多少錢，從到目前我開發一天，總共錄了1083秒之後，總共書出了1萬1千多個字，實際上在OpenRouter上面的token花費是0.02塊美金，我這邊只用了Gemini-2.0-Flash來做LLM優化