Skip to content

About

嘴砲輸入法: macOS 選單列語音輸入工具,按住快捷鍵錄音,放開後自動辨識並輸入文字。

Resources

Contributing

Stars

57 stars

Watchers

1 watching

Forks

Latest commit

 

History

141 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

VoiceType4TW 嘴炮輸入法

主要開發者:吉米丘, CC58TW GitHub 協作者:JayC-TW, go-mask, chrisliuqq

吉米與女兒CC58TW全新開發的嘴炮輸入法,讓你出一張嘴就能打字的輸入法

免費版歡迎大家測試使用,GitHub開源的Python版,想自己抓下來研究、裝在電腦裡都OK

授權與共創

本專案採用 MIT License,歡迎大家研究、修改、分享與一起共創。

想參與開發或協助整理文件,可以從這幾個入口開始:

  • 有 bug 或使用問題:請開 GitHub Issue,附上平台、版本、重現步驟與相關 log。
  • 有功能建議:請先開 Issue 描述使用情境,方便大家討論方向。
  • 想直接改程式或文件:請 fork 專案後開 branch,再送 Pull Request。
  • 共創細節、PR 格式與分支說明請看 CONTRIBUTING.md。

目前有macOS有三個版本:

Github版:原始碼全部開源,想玩的自己去下載安裝,完全免費,但無法提供技術支援,需要麻煩各位高手自己研究解決

DMG免學程式版

DMG 免費版:打包成DMG直接下載,拖入左邊的應用程式,再依照安裝說明或是我提供的影片來繞過Apple的限制就可以使用,有語音辨識STT,也有底層靈魂可以設定,與咖啡版差別在於沒有多個靈魂可以選擇注入,👉 下載連結 (內有Universal版 2.8.26K 與 Apple Sillicon版)

DMG免費版

DMG 咖啡版:為了感謝 Buy me a coffee的朋友,所以這個版本不只有底層靈魂可以注入,還可以有多個靈魂可以自行定義後選擇注入,👉 下載連結 (內有Universal版 2.8.26K 與 Apple Sillicon版)

DMG咖啡版

Windows只有兩個版本:

Github版:原始碼全部開源,想玩的自己去下載安裝,完全免費,但無法提供技術支援,需要麻煩各位高手自己研究解決 👉 Windwos

Win 咖啡版:為了讓大家一鍵安裝到好,我搞了三天弄了90個版本終於搞定,所以有需要的自行決定要哪個版本吧 👉下載連結 Win咖啡版 一鍵安裝


影片縮圖

👉 點我觀看完整影片


為什麼做這套工具

Dashboard

靈感來自TypeLess這類語音輸入工具,但因為授權限制與雲端依賴,我就想:能不能做一套「完全可以在本地端自己掌握」的語音輸入工具
於是就結合 Apple Silicon 的本地 Whisper 能力與可切換的 AI 校正流程,一起打造出這套專為 Mac 打造的 VoiceType4TW,也就是嘴炮輸入法


辨識AI

功能特色

  • 跨平台支援:全新重構,原生支援 macOS (Universal) 與 Windows 10/11。
  • 全域快捷鍵:按住說話 (PTT) 或 切換開關 (Toggle),反應迅速不卡頓。
  • 神經級辨識:搭載本地 Faster-Whisper,支援各平台硬體加速。
  • ✨ 多螢幕跟隨:Indicator 會自動偵測滑鼠位置並出現在對應螢幕。
  • 🔵 完成感官優化:貼回文字時觸發亮藍色閃爍與音效 (可於設定關閉)。
  • ✨ 三層式靈魂系統:結合「基底靈魂 + 情境模板 + 格式決定」,打造個人化 AI 風格。
  • ⚡️ 旗艦預設情境:隨附商務英文、專業回應、社群貼文、情商大師等優質人格。
  • Instant Translation 魔術語:用語音即時切換翻譯模式,無需動手操作設定。
  • 不搶焦點設計:深度優化視窗屬性,確保文字直接精準注入當前編輯位置。
  • 智慧詞彙學習:自動記憶專有名詞與常用關鍵字。

浮動錄音狀態視窗

浮動錄音狀態視窗

這裡有多種模式呈現

  • 左側沒有AI的字樣,直接辨識、輸出
  • 左側有AI的部分,透過LLM做修飾完成之後再輸出
  • 黃色模式,當我們的語音講完之後,它就開始做辨識
  • 翻譯成英文,當你直接講中文,它就會翻譯成英文
  • 翻譯成日文,當你直接講中文,它就會翻譯成日文

✨ 靈魂治理:三層疊加系統

靈魂注入

這套系統最核心的特色在於您可以自由調配 AI 的「靈魂組成」:

  1. 🏠 基底靈魂 (Base):定義 AI 的核心價值觀,例如:不廢話、修正錯字、繁體中文輸出。
  2. 🎭 情境模板 (Scenario):定義特定場合的對話風格,如:💼 商務回應、🌐 商務英文、📱 社群貼文。

透過 Menu Bar 可以隨時組合不同靈魂,讓輸入法真正成為您的私人助理。

基底靈魂

2.9.7版起,基底靈魂將會疊加於所有靈魂上,你常說的口頭禪、贅詞都可以在這裡設定消除掉


詞彙記憶

詞彙記憶

因為吉米常常需要輸入一些專有名詞,或者是客戶的品牌名稱,所以我在這個地方設計了一個詞彙新增的功能,可以手動輸入我們想要辨識的專有名詞

甚至我這邊是設定了,當一個詞彙出現三次以上,他會自動把它記錄起來

因為有了「養龍蝦」觀念的經驗之後,我也希望它能夠擁有一個長期記錄

每一週,它會去把當週所有的記憶做一個濃縮之後再另存起來,讓它持續保有我們之前所有的記憶

我的想法是這樣子啦


翻譯功能

連同靈魂情境一起翻譯

我設定了翻成英文、翻成日文與恢復原狀等三個選項

這些翻譯可以疊加在上面靈魂注入後的結果,所以可以選擇扮演哪個靈魂,然後用什麼語言輸出

雲端同步

自定同步資料夾

因為我常常需要在Mac跟PC的之間切換,所以我希望我的記憶跟常用的這些詞彙可以共用,因此我設計了雲端目錄夾同步的一個概念。

只要你把它設定在你的同步的目錄,不管你是用iCloud、是用Google Drive、是用NAS來做同步都可以。


數據統計

數據統計

這套系統會記錄你輸入了多少語音,語音總長度是多少,然後再除以一般人平均每分鐘的打字字數,總結出幫你省下多少時間的統計。

希望讓大家長久使用下來,能夠看到一個漂亮的數據!


系統設定

系統設定

設定成要按哪個按鈕來觸發語音輸入法的設定頁面。在這個地方可以設定按住錄音 (PTT) 或 單擊開關 (Toggle) 的運作方式。

結果自動貼上,這玩意兒就是會把我們輸入之後的文字,自動貼上我們所在Focus的視窗輸入頁面上面,同時也會存在剪貼簿裡面。

如果說它沒有出現的話,你只要直接按Ctrl-V貼上就可以了。

然後,如果你是喜歡看這個輸出結果的話,你可以啟用詳細一日制輸出,這個只有在Terminal的視窗上面會出現,這是我們在Debug的時候使用的。

麥克風設備選擇

感謝網友 peitang 提供建議,2.9.7版加上麥克風設備選項

麥克風測試

並且可以對麥克風進行測試

麥克風測試

並且優化麥克風收音音量大小邏輯,可以自動增益或是降低收音電平,也可以自己決定音量感度,或是自動平衡


工作流程

  1. 按下你設定好的快捷鍵開始講話
  2. 系統透過本地Whisper或Groq雲端進行語音辨識
  3. 可選擇直接輸出文字,或先丟給LLM做潤飾、整理口氣、調整風格
  4. 輸出結果自動送回目前有輸入焦點的應用程式
  5. 若使用魔術語,則會在流程中自動進行翻譯後再輸出


💻 各平台快速安裝

macOS (Apple Silicon / Intel)

打開終端機,貼上這行指令:

curl -fsSL https://raw.githubusercontent.com/jfamily4tw/voicetype4tw-mac/main/install.sh | bash

🔍 麥克風權限與無聲診斷

麥克風權限與無聲診斷

若安裝後錄音「沒有聲音」或「權限無法取得」,請在終端機執行診斷腳本:

python3 diagnose_mic.py

若顯示授權正常但仍無聲,請執行修復指令並重啟:

tccutil reset Microphone

Windows (v2.8.27 正式版)

另開分支分享 https://github.com/jfamily4tw/voicetype4tw-mac/blob/win-stable/README.md


手動安裝

如果你想自己來,也可以手動操作:

# 1. Clone 專案
git clone https://github.com/jfamily4tw/voicetype4tw-mac.git
cd voicetype4tw-mac

# 2. 建立虛擬環境
python3 -m venv venv
source venv/bin/activate

# 3. 安裝依賴
pip install -r requirements.txt

# 4. 啟動
python main.py

⚠️ 首次執行時,macOS 會詢問你是否允許「終端機」使用麥克風與輔助使用權限,請務必允許。
路徑:系統設定 → 隱私權與安全性 → 麥克風 / 輔助使用

🔒 MLX 版本鎖定(重要!打包前必看)

打包 .app 前必須確認 MLX 版本在 >=0.29,<0.30 範圍。

為什麼:MLX 0.30+ 的 wheel 是 macosx_26_0_arm64,內建的 mlx.metallib 用 Metal Shading Language 4.0 編譯,只能在 macOS 26+ 載入。如果你的開發機是 macOS 26 而 pip install 抓到 0.30+,打出來的 .app 會讓所有 macOS 13/14/15 使用者啟動時崩潰(RuntimeError: Unable to load kernel ... using language version 4.0 which is incompatible with this OS)。

確認版本:

/Library/Frameworks/Python.framework/Versions/3.12/bin/python3.12 -m pip show mlx | grep Version
# 應該看到:Version: 0.29.4(或其他 0.29.x)

如果版本太新(>=0.30),降回 0.29.4:

/Library/Frameworks/Python.framework/Versions/3.12/bin/python3.12 -m pip install 'mlx==0.29.4'

build_all.sh 內建 scripts/pre_build_check.py 守衛,發現 MLX 太新會直接 fail 不繼續 build,所以你不會不小心做出壞的 DMG——但如果你直接呼叫 setup.py py2app 繞過 build_all.sh 就沒這層保護。升 MLX 到 >=0.30 必須開新 Spectra change 並在 design.md 解釋是否要放棄 macOS 13/14/15 支援。

詳見 openspec/specs/mlx-version-pin/spec.md(或對應 archived change)。


設定

編輯 config.json:

欄位 說明 預設值
hotkey 快捷鍵(right_option / right_shift / right_ctrl / f13-f15) right_option
trigger_mode 觸發模式(push_to_talk / toggle) push_to_talk
stt_engine 語音引擎(local_whisper / mlx_whisper / groq) local_whisper
whisper_model Whisper模型大小(tiny/base/small/medium/large) medium
groq_api_key Groq API Key(使用groq引擎時填入) ""
llm_enabled 是否啟用AI文字潤飾 false
llm_engine LLM引擎(ollama / openai / claude) ollama
language 辨識語言 zh

系統需求

  • macOS 12+ (Apple Silicon)。
  • Windows 10/11 (Python 3.10+,推薦搭配 NVIDIA GPU 以使用 CUDA 加速)。會另開github 分支
  • 記憶體: 建議 16GB 以上。

支援與回饋

如果你覺得嘴炮輸入法對你有幫助,歡迎:

有任何功能建議、或想一起共創的點子,都可以:

  • 直接在GitHub開Issue
  • 透過吉米的SNS管道來找我聊聊

About

嘴砲輸入法: macOS 選單列語音輸入工具,按住快捷鍵錄音,放開後自動辨識並輸入文字。

Resources

Contributing

Stars

57 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors

Languages