VoiceInk 是一款 macOS 原生应用，可以快速将语音转换为文字。本分支完全免费，不包含付费许可证、激活流程或试用限制。
项目致力于为 macOS 提供高效、注重隐私的语音转文字体验。
- 🎙️ 准确转写：使用本地 AI 模型，快速将语音转换为文字
- 🔒 隐私优先：支持完全离线处理，音频数据无需离开你的设备
- ⚡ 模式匹配：根据当前应用或网址自动应用预先配置的转写模式
- 🧠 上下文感知：结合屏幕内容理解当前场景并优化输出
- 🎯 全局快捷键：可配置快速录音和按住说话等快捷操作
- 📝 个人词典：通过自定义词语、专业术语和文字替换提高识别效果
- 🔄 智能模式：在针对不同写作风格和使用场景优化的 AI 模式之间快速切换
- 🤖 AI 助手：内置语音助手模式，可通过语音进行对话
- ☁️ 云端实时转写：支持豆包语音 2.0 和阿里云 Qwen Audio 3.0，边说边显示识别结果
- 🎧 云端识别增强：支持词典热词、上下文提示，以及面向地名、音乐和嘈杂环境的识别优化
- ✨ 火山方舟润色：填写方舟 API Key 与模型或推理接入点 ID，即可使用火山模型润色转写结果
在 AI 模型 → 本地 中可以直接下载并使用以下中文模型：
- FunASR SenseVoice Small：支持普通话、粤语、英语、日语和韩语
- FunASR Paraformer Large (中文)：面向普通话优化
- Qwen3-ASR 0.6B INT8：通过 sherpa-onnx 在本机推理，支持中文、方言和多语言
- Qwen3-ASR 0.6B MLX INT8：Apple Silicon Metal GPU 原生流式量化版本；中文系统首次引导优先推荐，约占用 1.15 GB 常驻内存
- Qwen3-ASR 0.6B MLX FP16：独立下载的未量化 Metal GPU 原生流式版本，适合希望保留 FP16 全参数权重的用户
- sherpa-onnx Zipformer CTC 中文 INT8：轻量中文模型
- Parakeet CTC 0.6B zh-CN：Core ML 中文模型
- Whisper 多语言系列：Tiny、Base、Small、Medium、Large v2/v3 和 Large v3 Turbo 均可识别中文；带
.en的模型只支持英语
模型文件只会在用户点击下载后从对应的官方 GitHub Release 或 Hugging Face 仓库获取，下载完成后语音识别在本机执行。若选择云端转写或云端润色，音频或文字才会发送给用户自己配置的服务商。
通过 Bifrost Proxy 的 Homebrew Tap 安装 VoiceInk：
brew install --cask bifrost-proxy/voiceink/voiceinkHomebrew 官方仓库也包含一个同名的 voiceink Cask，因此即使已经添加 Tap，安装和升级时仍须使用完整的 owner/tap/cask 名称：
brew tap bifrost-proxy/voiceink
brew install --cask bifrost-proxy/voiceink/voiceinkHomebrew 会先使用版本固定的 SHA-256 校验发布包，再移除 ad-hoc 签名应用的隔离属性，避免首次启动时被 Gatekeeper 拦截。请使用下面的命令升级：
brew upgrade --cask --greedy bifrost-proxy/voiceink/voiceink也可以从 GitHub Releases 下载最新版本。当前社区发布使用 ad-hoc 签名，没有 Apple Developer ID 证书与公证；通过浏览器直接下载时，首次启动需要在“系统设置 → 隐私与安全性”中确认“仍要打开”。
VoiceInk 支持豆包语音 2.0 和阿里云 Qwen Audio 3.0 两种云端实时转写服务。两者都会在录音时持续更新悬浮窗文字，停止录音后再给出最终结果。
| 服务 | 支持的能力 |
|---|---|
| 豆包语音 2.0 | 自动识别语言、二遍识别、自动标点、文本规范化、语义顺滑、VoiceInk 词典，以及地名和音乐领域辅助识别 |
| 阿里云 Qwen Audio 3.0 | 多语言和方言识别、自动识别语言、语义分句、VoiceInk 词典、识别上下文，以及安静或嘈杂环境下的分句和降噪调整 |
- 登录豆包语音控制台，购买或开通流式语音识别大模型 2.0，并在 API Key 管理中创建密钥。
- 打开 AI 模型 → 云端 → Doubao Speech，粘贴 API Key 并点击 验证。
- 打开 模式，在 转写 → 模型 中选择 Doubao Streaming ASR 2.0。如果账号开通了并发版，也可以选择带 Concurrent 的模型。
- 如需加强困难词识别，可在 识别选项 中开启二遍识别，然后开启 POI 地图或音乐领域辅助识别。POI 还可以填写一个可选的城市提示。
- 登录阿里云百炼控制台，创建可使用语音识别模型的 API Key。
- 打开 AI 模型 → 云端 → Alibaba Cloud Qwen，选择密钥所属的中国北京或国际新加坡地域。
- 粘贴 API Key 并点击 验证。普通 API Key 可以保留 API Host 为空；专属语音输入密钥需要同时粘贴密钥页面显示的 API Host。
- 打开 模式，在 转写 → 模型 中选择 Qwen Audio 3.0 ASR Flash Streaming。
- 可在 识别选项 中启用 VoiceInk 词典、填写行业术语或前文作为识别上下文，并按使用环境调整语义分句、静音判停和噪声过滤。
阿里云 Qwen Audio 3.0 支持中文、英语、日语、韩语，以及多种东南亚、南亚、中东和欧洲语言。模式中可以直接选择语言，也可以使用自动识别。
- 保存模式，并将它设为默认模式，或按应用、网站、触发词和快捷键使用。
- 确认 设置 → 实时文本显示 已开启。
- 开始录音后，悬浮窗会持续显示识别文字；停止录音后会采用最终结果。若模式还启用了 AI 润色，VoiceInk 会保留原始转写并继续显示润色状态。
- 云端转写会把录音发送给所选服务商，不能离线使用；费用和用量由你自己的豆包或阿里云账号承担。
- API Key 只保存在当前 Mac 的登录钥匙串中，不会通过 iCloud 同步，因此每台 Mac 都需要单独配置。
- 普通识别选项可以随 VoiceInk 配置同步；POI 城市、阿里云 API Host 和识别上下文仅保存在当前 Mac。
- VoiceInk 默认将单次录音限制为 5 分钟，可在 设置 → 音频 → 最长录音时长 中调整。
如果验证失败，请确认密钥所属地域与页面选择一致，并检查对应账号是否已开通服务、仍有可用额度。若模式中没有模型，请先确认服务商在 AI 模型 → 云端 中显示为 已连接，再重新打开模式编辑页。
打开 AI 模型 → 云端 → Volcengine Ark，然后填写：
- 方舟 API Key
- 模型 ID 或推理接入点 ID，例如
ep-20250520154305-lz8cg
VoiceInk 使用火山方舟北京地域固定的 OpenAI 兼容接口，无需配置 Base URL。
已经安装并登录 Codex CLI 的用户可以在 设置 → AI 模型 → Local CLI 中载入 Codex 模板。VoiceInk 会启动一个共享的 Codex App Server，并在应用运行期间复用该进程；每次润色仍会创建独立的临时会话，避免不同转写内容互相进入上下文。
设置页会读取当前 Codex 账号实际可用的模型和推理强度。短文本润色建议选择 Luna、Mini、Spark 等低延迟模型并使用 Low 推理强度；模型可用范围以当前账号返回的目录为准。模型、推理强度、超时时间和执行模式属于普通配置，可通过 VoiceInk 的 iCloud 配置同步；Codex 登录凭据仍由 Codex 自己管理。若 App Server 不可用，可以切回 Command 执行方式继续使用自定义命令。
请参阅构建指南自行构建 VoiceInk。
- macOS 14.4 或更高版本
本项目目前不接受 Pull Request，但欢迎你 Fork 项目并根据自己的需要进行修改。
你仍然可以通过以下方式参与：
- 通过 Issues 报告问题
- 提交功能建议或改进意见
- 通过 Issue 提出文档改进建议
本项目采用 GNU General Public License v3.0，详情请参阅 LICENSE。
如果遇到问题或有任何疑问，请：
- 检查仓库中已有的 Issue
- 如果问题尚未有人报告，请创建新的 Issue
- 尽可能详细地描述你的运行环境和遇到的问题
- whisper.cpp：高性能 Whisper 推理实现
- FluidAudio：用于实现 Parakeet 模型
- FunASR：SenseVoice 与 Paraformer 中文语音模型
- Qwen3-ASR：Qwen 本地多语言语音识别模型
- mlx-qwen3-asr：Qwen3-ASR 的 Apple Silicon Metal GPU 原生流式运行时
- sherpa-onnx：Qwen3-ASR 与 Zipformer 的本地 ONNX 推理
- KeyboardShortcuts：用户可配置的全局快捷键
- LaunchAtLogin：登录时自动启动
- MediaRemoteAdapter：录音时控制媒体播放
- Zip：文件压缩与解压缩
- SelectedTextKit：获取当前选中文字
- Swift Atomics：提供线程安全所需的底层原子操作
本分支由 bifrost-proxy 维护。VoiceInk 最初由 Pax 创建。