【十倍速写作系列8】第一梯队AI语音输入法Spokenly完全体降临iOS，识别率吊打搜狗/讯飞/微信/苹果

[dwqxq1]

本系列其他文章可参考
.🔥【十倍速写作系列7】AI语音输入法能完全抛弃键盘？配合Mac语音控制功能就可以
.🔥【十倍速写作系列6】我设计的AI语音输入法专用键盘触控板套装【长期更新】
.🔥【十倍速写作系列5】挑战AI语音输入法识别率的极限【长期更新】
.🔥【十倍速写作系列4】我原创的最强桌面级生产力+AI语音眼镜组合【长期更新】
.🔥【十倍速写作系列3】关于AI语音输入法，你想知道的一切，附全平台排名【250820底楼更新最强听写+最强润色方案】
.🔥【十倍速写作系列2】：4o-transcribe vs whisper vs gemini-2.5 vs 搜狗讯飞的识别率实测，250716更新gemini和elevenlabs-scribe
.🔥【原创长文】深度分析AI语音输入法CleverType，如何降维打击讯飞搜狗语音，成为你的效率利器【长期更新】
.🔥【大模型系列14】关于grok-4-fast（代号Sonoma Sky Alpha），你想知道的一切【底楼250921更新价格和LMArena评分】
.:Fire:【大模型系列12】关于 GPT-5，你想知道的一切【250904底楼更新Aider评分)，狼人杀测试(撒谎与伪装)排第一】

这几天Spokenly的iOS和Mac版都更新了，

Spokenly iOS版，iPhone或iPad都可以用

其实iOS版从8月就上线了，但一直是阉割版，没有自定义API Key，没有润色功能，属于从全平台第三梯队
这几天更新后，加入了自定义Key和润色功能，直接跃升第一梯队了，主要功能已经无限接近Mac版了，甚至iOS都有了推理强度设置功能，貌似主流语音输入法里，他是第一个做这个功能的

Spokenly现在绝对是手机上最好的AI语音输入法，没有之一，而竞争对手SuperWhisper还停留在第三梯队
Spokenly作者也是很勤快，iOS上线一个月，就更新了很多版本，直接就冲到功能第一了

下载方法：我在美区appstore下载的，国区貌似也有。
不过国区随时可能被下架，因为国区里的app是不能使用美国大模型的

Spokenly Mac版

Mac上语音输入法，我原来的个人排名是Spokenly与VoiceInk并列第一，这次更新后，我觉得Spokenly略微超出VoiceInk了，原因是
①新版加入了自定义推理强度和温度功能，貌似还没有其他输入法有这个功能
②开放了系统提示词修改权限，就是可以替换掉Spokenly默认的系统提示词。
这个功能大部分语音输入法也没有
如果你认为自己系统提示词更好，或者更适合中文，可以替掉作者写的提示词
也可以把系统提示词改成比如句号占位，然后就可以当chat使用，语音提问，回答直接上屏到笔记/微信等

Mac版面市好像也就三个月时间，就冲到功能第一了，其他同类语音输入法都开发2，3年了

会有安卓版和Win版吗？

可惜作者明确表示，近期内不会有安卓版和Win版，他就一个人在战斗，做不过来

现在iOS除Spokenly以外的所有语音输入法，安卓上所有语音输入法，Win上所有语音输入法，最强的也就能达到全平台第三梯队的水平

全平台第一梯队的只有Spokenly mac版，Spokenly iOS版，VoiceInk mac版，SuperWhisper mac版，这四款

而SuperWhisper的iOS版和Win版现在都是严重缩水版，与mac版没法比
VoiceInk的iOS版也是严重缩水，没有Win版

最省钱的方法是

Spokenly就用免费会员，买包月虽然省事，但比自备API贵很多

免费也有少量的试用额度，每月恢复额度，可以先体验下
免费除了没有包月模型外，其他功能现在貌似都不限制，以后会不会限制就不知道了

下面ⒶⒷⒸ三个听写模型三选一，只有这仨是中文识别率第一梯队的听写模型，其他Whisper什么的识别率都不太行，也有些模型根本就不支持中文，我都折腾过了

听写Ⓐelevenlabs-scribe API

自己注册送20小时，用光了再换个邮箱重新注册，
如果用量大，嫌注册麻烦，可以咸鱼买三个月试用号，¥50=送$66=共188小时，平均每天2小时足够用了
可以买成品号，用完就扔，下次再买新号
也可以自备号，跟卖家要兑换码，但自备号只能兑换一次
elevenlabs是全球最强的专业AI语音厂商，除了听写最强，朗读等也是最强的，API的积分通用的，其他功能也可以去玩玩

听写Ⓑ或者自己去Soniox注册，无需绑卡，送$200÷$0.1/小时=2000小时，够用很久很久

模型填stt-rt-preview-v2
优点：赠金免费，还要啥自行车
有两个模型，soniox-async无字幕，soniox-realtime可以实时显示字幕，这个功能大多数在线模型没有，一般只有本地听写模型才有，但字幕是润色前的，不是最终稿。对于一些经常忘记自己在说啥的人，或者需要及时发现识别错误，当场更正的情况，有用的。
soniox-realtime比sioniox-async价格贵50%（反正有赠金无所谓），暂时不确定识别率是否完全相同
缺点：质量略微低于elevenlabs-scribe，跟4o-transcribe差不多
有两个模型，soniox-async模型识别率高点但速度慢，soniox-realtime模型速度快但识别率可能低于async（不确定），建议使用soniox-realtime

听写Ⓒ4o-transcribe：不太推荐

优点：识别率不错，但略不如elevenlabs-scribe
自带提示词推理功能，但实际多数前端并不支持，与润色模型功能重叠
缺点：小毛病多，经常没有标点符号，中英文标点混用，出繁体，有时结尾有幻觉，但这些一般都可以通过润色修复
模型上限25分钟或2000字（但Spokenly iOS版突破了限制）
没有说话人识别
最大缺点是官价贵¥0.36/小时，按照官价算每天一小时，一个月$10，比买Spokenly包月还贵
部分中转站渠道有这个模型，但要么贵，要么限量。
搞Azure100什么的如果网络不行，容易封号，不太适合不愿折腾的人

润色，去AIStudio注册个号，免费

获得API key，每天有100次2.5pro，250次2.5flash，1000次flash-lite
我一般聊天，修改，一句一句写笔记，用2.5-flash，一次连续录几十分钟用2.5-pro+推理
这些限额一般都够的，很少会超限
另外AIStudio 网页版聊天，有单独的限额，以前并不消耗API限额，现在不清楚
另外L站也有公益号池也可以

以上合计

elevenlabs-scribe自己注册试用 + AIStudio方案 = $0/月
elevenlabs-scribe买$66试用号 + AIStudio方案 = $3/月
soniox-async + AIStudio方案 = $0/月
Spokenly包月方案 = $8/月
而且Spokenly包月的润色模型貌似是2.5-flash或2.5-flash-lite一类的低价模型，并不会给你推理模型，性能跟2.5-pro没法比

[dwqxq1]

【十倍速写作系列8.1】
其他Spokenly相关资源
.用了 Spokenly 之后，我再也不想用其他 Mac 语音转文字应用了。。
.【新增百炼官方调用】兼容 OpenAI 端口的 Qwen3-ASR，支持 Spokenly，免费使用

---

参考AI提示词

250918更新，现在新版支持了正则替换功能，把提示词里<替换>…</替换>的内容放到正则替换功能也行
这是我的提示词，仅做参考，尤其是<字典>和<替换>部分，可根据自己工作生活中的常用词汇，和易识别错的词汇修改
注意是填到AI Prompt，不是填到Advanced settings → System prompt

删除所有空行，结尾加一空行
<要求>
中文与英文之间不要留空格。
连在一起没有换行的几个句子，要根据含义关联性，用换行分开
去除口头禅,例如：嗯，啊，呢，这个，那个，那，那么，是吧，是不是，你说，你看，然后，就是说，所以呢，
如果前后两句话内容相似，以后面一句话为准，不要重复
如果说aaa更正bbb，则只保留bbb
如果碰到括号，用括号里的字来纠正括号前的字，不要输出括号里的内容
三位数或者以上的中文数字转换成阿拉伯数字
</要求>
<字典>
如果有拼写或者发音类似以下词汇的，替换成以下词汇
soniox-async，soniox-realtime，gpt-5-thinking，gpt-5-mini，2.5-pro，claude-4，grok-4
Claude，Copliot，Grok，Qwen，GLM，Kimi，DeepSeek，AIStudio
Spokenly，CleverType，VoiceNotes，VoiceInk，WisprFlow，WhisperTranscription，
Goovis Art，XReal，Inmo，影目，雷鸟，Mac眼镜，AR眼镜，语音眼镜
Obsidian
家宽，例子，
</字典>
<替换>→代表替换为
下一章替换成### ，下一节替换为#### ，下一小节替换为#####
粗体字aaa粗体字替换为**aaa**，逗号替换为，，句号替换为。，问号替换为？，叹号替换为！，书名号aaa书名号替换为《aaa》，灰色aaa灰色替换为~~aaa~~
圆圈一→替换为①
注释一→¹，注释二→²，注释三→³，注释四→⁴，注释五→⁵，注释负一→⁻¹
gpt 5→gpt-5
gemini 2.5 pro→gemini-2.5-pro
gemini 2.5 flash→gemini-2.5-flash
claude sonnet 4或sonnet 4→sonnet-4
4o transcribe或gpt-4o transcribe→gpt-4o-transcribe
elevenlabs scribe→elevenlabs-scribe
Super Whisper→SuperWhisper
One second→⊚One Sec
右箭头替换为→
左括号→（，右括号→），英文左括号→(，英文右括号→)，单箭头→›，双箭头→»
书籍图标→❑，音频图标→☊，视频图标→▷，影视图标→⯈，文本图标▤，问答图标→⍰，作者图标→，定律图标→✪，教育图标→，财经图标→＄，软件图标→⊚，硬件图标→↯，媒体图标→，AI图标→🅐，⚿，管理图标→♕，游戏图标→✜，医学图标→✚，法律图标→，编程图标→Ⓒ，儿童图标→♘，历史图标→︎，科学图标→︎，特色图标→＋
云输入法→语音输入法
USD→$，RMB→¥，麦克→Mac
</替换>

---

以下是Spokenly的系统提示词，用来保证大模型只听写不回答问题，这在AI Prompt → Advanced设置里可以替换掉

Text Transformation Assistant

You are a text transformation assistant. Your task is to transform the user’s text according to specific instructions.

Response Guidelines

• Return ONLY the transformed text
• Do not add any comments or explanations
• Do not wrap your response in quotes
• Do not use markdown, HTML, XML tags or any special formatting unless specifically requested
• Follow the user’s instructions exactly
• Preserve the original meaning while applying the requested transformation
• Note, the user text comes from voice transcription service

Important

Focus solely on transforming the provided text according to the instructions below.

User-Requested Transformation

[tmwl (天梦)]

没有安卓真是太可惜了，哎，不过作者一个人做也确实辛苦，不能要求太多

[huangbaoleng (xinxinzi)]

安卓win何时崛起，真想试试语音输入法啊

[lighter]

安卓前两天找了很久，只是看到fcitx5输入法可以调用系统语音输入，但是安卓相关系统语音输入软件只有几个小众的开源语音输入法，用的也是小众模型，也没有ai后处理

[dwqxq1]

【十倍速写作系列8.2】Spokenly没有安卓和Win版怎么办？

安卓

可以用CleverType(用的4o-transcribe，无润色），
性能算第三梯队
playstore下载或搜apk试试，

Win

可以用SuperWhisper（Whisper听写+gpt5/sonnet4润色），
性能算第三梯队
公测下载地址：https://fresh.superwhisper.com/download/installer/windows/x64

虽然这两个都是第三梯队，但识别率也比搜狗讯飞这些第五第六梯队的高

[lighter]

clevertype上次下载玩了一下，可惜没有五笔

[LC-CFG (PositronCannon)]

正在折腾，很有意思。
佬试过阿里刚刚推出的Qwen3-ASR吗，不同于以前的听悟，看帖子似乎很棒

[LC-CFG (PositronCannon)]

自行进行了一下测试。
目前Spokenly无法使用Qwen3-ASR。
因为Spokenly使用的是OpenAI兼容格式。
gpt-4o-transcribe使用的API endpoint 是v1/realtime和v1/audio/transcriptions，这些是OpenAI格式下的语音相关API端点。

而查看文档发现Qwen3-ASR使用的BaseURL是https://dashscope.aliyuncs.com/compatible-mode/v1和https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
即，阿里云百炼平台的API的格式，仅仅兼容了OpenAI格式下的文本模型端点，而没有兼容音频和多模态API端点，没有对OpenAI格式的听写API endpoint做完善的兼容。

2025-09-12
可以试试这个方案 兼容 OpenAI 端口的 Qwen3-ASR，支持 Spokenly，免费使用

[handsome (大帅哥)]

感谢大佬！

[tibbar]

请问ios上润色api在哪设置

[lekai]

很不错啊。感觉孩子用电脑时候 可以让他用这个 语音输入

[dwqxq1]

【十倍速写作系列8.3】Spokenly的梯子问题 250910 14:15更新

因为手机梯子与电脑不同，手机上的梯子有的并不稳定，也并不是总需要梯子，所以很多人手机是不常开梯子的，有需要现用现开
但是输入法可是随时都要用，每次现开梯子麻烦。
尤其是忘了没开梯子，录了10分钟，发现没梯子失败了，有点恼火
下面讨论如何在手机不开梯子的情况下，使用Spokenly

官网包月不需要梯子

自备elevenlabs-scribe key和soniox key都不需要梯子

自备OpenAI官网key用4o-transcribe或gpt-5润色肯定需要梯子
普通梯子和普通浏览器，不要随便登OpenAI API后台，很容易封号
绝对不要Plus与API公用一个账号，API封号100%会株连Plus封号
仅调用官网key对网络要求不高，有梯子就行，一般不容易封号

中转站的key用4o-transcribe或gpt-5不要梯子，gpt-5好找，但4o-transcribe稳定不限量又便宜的中转站并不好找

AIStudio key肯定要梯子
但是把这个key填到OpenRouter的AIStudio渠道的自备Key里，然后Spokenly里填OpenRouter Key，就不要梯子了，而且可以实时查消耗情况，缺点是，虽然调用不消耗API费用，但要扣5%中转手续费

[okokok (OK)]

真有那么牛？

[GoTop]

5%是谁收？

[dwqxq1]

OpenRouter收，过路费

[GoTop]

你说的是operouter上的用来润色的模型

[dwqxq1]

【十倍速写作系列8.4】Spokenly iOS版 + 苹果语音输入法

Spokenly键盘上有两个录音按钮，上面是Spokenly的录音，下面是苹果的

我的用法是

Ⓐ少量修改文字时用苹果

适合录一两秒的情况
修改往往只需要改一个词，一个符号，用苹果不需要联网，是速度最快的，在几个字的情况下，识别率还可以
但是苹果不适合输入大段文字，或者专有名词，中英混杂，需要根据上下文推理的同音词这些比较复杂的情况，大段准确率比Spokenly差很多，

Ⓑ小段用gemini-2.5-flash润色

适合几秒钟到几分钟长度
润色质量与自定义提示词关系很大，flash不开推理速度快但智商一般，但配合经过反复调试的提示词，效果也不错

Ⓒ大段/整篇文章用gemini-2.5-pro润色

几分钟到几小时都行，会议录音也行
尤其是用来作业，发表，写报告等严肃场合

[aqu233 (曲淡歌)]

我刷到一个视频，作者用阿里开源中文模型 SenseVoice自部署api替换了whisper，据他说效果要更好，考虑到主流的T1语音输入用的是whisper之类没有对中文有特殊优化的模型，我是相信阿里那个会更好用的，有能力的话不妨试试

whisper最优解 whisper最优解_哔哩哔哩_bilibili

[dwqxq1]

是AIStudio的key，填到OpenRouter的provider的api key里，通过OpenRouter中转，
好处是无需梯子，方便查具体消耗记录，不消耗OpenRouter api余额
坏处是扣5%中转费