VoiceDumps

我做 VoiceDumps 是因为我总是撞上云端听写的字数上限，也因为我不太喜欢每条语音都得绕一圈到别人的 GPU。按住地球键，说话，松开 —— 文字就会落到你当时正在用的任何应用的光标处。无需账号、无需 API key、无需上传任何内容。语音模型直接打包在 .app 里，所以即使在飞机上、首次启动时也能用。

我最希望大家挑刺的地方是延迟声明。在 M1 Pro 上，从「停止说话」到「文本进入剪贴板」三次运行中最差的一次是 429 毫秒，语音长度约 6 秒。最知名的云端听写应用公布的 p99 是「低于 700 毫秒」。所以：这是他们 p99 对我模型中较小那个的最差情况。

语音超过大约十秒之后这个对比就不成立了，那种场景他们赢 —— 而且他们的预算能买来一次 LLM 调用来重新排版你的文本，而我不做这个。我给你的是你说的原话。与其让你相信这些，不如直接看：scripts/bench.sh 在仓库里。在你自己的机器上跑一下，把结果告诉我。

有两件事我真的想听听大家的看法：

1. 安装包有 720 MB，因为里面塞了两个量化后的 Whisper 模型，而不是用 API key。这对离线工作来说算公平交易，还是会直接劝退？

2. 目前只支持 Apple Silicon。如果你用的是 Intel 或 Windows 设备，这是「可惜」还是「等支持了再来」？

免费、MIT 协议、无遥测、不卖升级 —— 没有付费版本可以让你「毕业」。

github.com/heynaavi/voiceDump

有一个小坑要先说一下，不然肯定会有三个人各自踩到：系统设置 → 键盘 →「按 🌐 键：」→ 设为「无操作」，否则 macOS 会在应用下方弹出表情选择器。