type
status
date
summary
tags
category
slug
icon
password
公众号
关键词
小宇宙播客
小红书
数字人视频号
笔记
用说话代替打字：AI 语音输入工具全景对比（开源 + 闭源）
2026 年，和 AI 交互最自然的方式不是打字——而是开口说话。一批专为「语音驱动 AI」设计的输入工具正在快速崛起，让你按一个快捷键、说出想法，文字就自动出现在光标所在的任何位置。
---
为什么「语音输入法」这个赛道突然热了？
过去的语音输入局限于手机端，精度差、延迟高，还需要联网。但两件事改变了格局：
- Whisper 开源（2022 年）：OpenAI 把语音识别模型开放出来，精度达到商用级别，任何人都能在本地运行
- LLM 后处理：语音转文字之后，再用大模型润色——把「嗯那个就是说」这样的口语碎片自动清理成干净的书面语
这两个技术叠加，让「在任何 App 里随手说话输入」真正成为可能。
---
闭源产品：打磨精致，但数据去哪了？
微信输入法
中国用户最熟悉的选项，语音识别深度优化中文，微信生态内无缝衔接。但音频数据由腾讯处理，隐私边界不透明。
闪电说
主打 AI 实时转写，支持多语言，有会议录音、字幕等场景扩展。订阅制收费，云端处理。
Typeless
面向英语用户的 AI 语音输入，有 GPT 后处理，界面设计简洁。云端 API 驱动，需要联网。
豆包输入法
字节跳动出品，深度整合豆包 AI，中文场景优化好，快速录入和 AI 对话一体化。数据在字节服务器处理。
闭源产品的共同痛点：音频上传云端，隐私风险不可控；订阅费用持续累积；无法定制模型或提示词。
---
开源工具：数据不出机器，自由度拉满
1. Handless — 功能最全面的 macOS 语音输入
GitHub:
ElwinLiu/handless | 许可证: MITHandless 从 Handy（下文介绍）fork 而来，在原版基础上大幅扩展了 STT 引擎支持：
- 本地模型：Whisper、NeMo Parakeet、Moonshine、SenseVoice
- 云端 API：OpenAI、Soniox
- VAD（语音活动检测）：自动过滤静音，只转写真正说话的片段
- LLM 后处理：接入任意 LLM 清理口语杂词、重新格式化
- 快捷键绑定提示词模板：不同场景绑定不同快捷键（比如
Ctrl+1用于写代码注释，Ctrl+2用于写邮件）
- 支持 17 种语言，Intel 和 Apple Silicon 均兼容
适合谁：想要完全可配置、追求本地隐私保护，并且需要 SenseVoice 中文识别优化的用户。
---
2. Handy — 跨平台原版，最易二次开发
GitHub:
cjpais/Handy | 许可证: MITHandless 的上游项目，也是整个开源语音输入生态的源头。Handy 的定位很清晰：「不求最好，求最可 fork」。
- 全平台支持：macOS、Windows、Linux
- 技术栈：Tauri（Rust 后端 + React 前端），内存占用低
- STT 引擎：Whisper Small/Medium/Turbo/Large + Parakeet V3（CPU 优化，自动语言检测）
- VAD：Silero VAD 过滤静音
- 支持推拉两种录音模式（toggle / push-to-talk）
- 有 Raycast 扩展，可从 Raycast 控制录音
安装极简：
适合谁：需要 Windows/Linux 支持，或者想基于它二次开发自己产品的开发者。
---
3. Ghost Pepper — 100% 本地，Apple Silicon 专属
GitHub:
matthartman/ghost-pepper | 许可证: MIT名字来自一个梗：「完全本地运行，数据不离机，比那些融资 8000 万美元的 App 还辣。」
- 操作极简：按住 Control 说话，松手自动转写并粘贴
- 完全离线：WhisperKit（small.en）负责转写，Qwen 2.5（1.5B/3B）负责清理口头禅和自我纠正
- 菜单栏 App：无 Dock 图标，开机自启，安静驻守后台
- 可自定义 LLM 清理提示词、选择麦克风、关闭任意功能
- 要求 macOS 14.0+，仅支持 Apple Silicon（M1 及以上）
模型首次启动自动下载，之后完全离线：
| 组件 | 模型 | 大小 |
|------|------|------|
| 语音转文字 | WhisperKit small.en | ~466 MB |
| 文本清理 | Qwen 2.5 1.5B + 3B | ~3 GB |
适合谁：对隐私极度敏感、使用 Apple Silicon Mac、主要讲英语的用户。装上即用，零配置。
---
4. Koe（声）— 极简主义，工程师审美
GitHub:
missuo/koe | 许可证: MITKoe 是日语「声」（こえ），名字即理念：「你的声音进去，干净的文字出来，中间什么都没有。」
- 零界面：没有主窗口，只有菜单栏状态图标 + 录音时的悬浮胶囊
- 极小体积：安装后 < 15 MB，运行内存约 20 MB
- 所有配置都是纯文本文件：存在
~/.koe/下，用 vim / 脚本 / AI 工具批量编辑
- 词典就是 `.txt` 文件：一行一个词，改完立即生效，无需重启
- 技术栈：Objective-C 处理系统交互（热键、音频、剪贴板），Rust 做核心性能计算
- 无 Chromium 依赖（对比 Electron 应用的 200+ MB）
适合谁：喜欢命令行工作流、不喜欢臃肿 GUI、想把语音输入当作「管道工具」来组合的工程师。
---
横向对比一张表
| 工具 | 平台 | 是否离线 | 隐私 | 中文支持 | 体积 | 适合场景 |
|------|------|----------|------|----------|------|----------|
| 微信输入法 | iOS/Android/Mac | ❌ 云端 | 一般 | ✅ 优秀 | - | 普通用户 |
| 闪电说 | Mac/iOS | ❌ 云端 | 一般 | ✅ 好 | - | 会议/转写 |
| Typeless | Mac | ❌ 云端 | 一般 | 有限 | - | 英语写作 |
| 豆包输入法 | Mac/iOS/Android | ❌ 云端 | 一般 | ✅ 优秀 | - | 字节生态用户 |
| Handless | macOS | ✅ 可选 | 高 | ✅ SenseVoice | 中等 | 重度定制需求 |
| Handy | Win/Mac/Linux | ✅ 本地 | 高 | 一般 | 中等 | 跨平台/二次开发 |
| Ghost Pepper | macOS (M1+) | ✅ 完全离线 | 极高 | ❌ 英语优先 | ~3.5 GB | 英语+极致隐私 |
| Koe | macOS | ✅ 可选 | 高 | ✅ | < 15 MB | 工程师/极简主义 |
---
如何选择？
你不在乎隐私，想要零门槛 → 豆包输入法（中文）或 Typeless（英文）
你在乎隐私，主要讲中文 → Handless（SenseVoice 中文识别最好，支持 LLM 后处理和多快捷键模板）
你在乎隐私，主要讲英文，用 Apple Silicon → Ghost Pepper（装完即用，完全离线，按住 Control 就能说）
你是工程师，想要极简且可脚本化 → Koe（15 MB、纯文本配置、可被 Claude Code 等工具操控）
你用 Windows 或 Linux → Handy（唯一支持全平台的开源方案）
---
技术选型小结
这波开源语音输入工具都有一个共同的技术路径：
区别只在于：
- STT 引擎：Whisper（通用）vs SenseVoice（中文强）vs WhisperKit（Apple Neural Engine 加速）
- LLM 后处理：本地（Qwen/LLaMA）vs 云端（GPT-4o/Claude）
- 界面哲学：有 UI 可配置（Handless/Handy）vs 纯文本配置（Koe）vs 零配置（Ghost Pepper）
随着本地模型越来越小、越来越快，「语音 → AI」这条路会越走越顺。现在入坑开源工具，既保住了隐私，又能随时自定义提示词——用语音驱动 AI，才是 2026 年工程师的正确打开方式。
---
参考链接
- Handless — ElwinLiu/handless
- Handy — cjpais/Handy
- Ghost Pepper — matthartman/ghost-pepper
- Koe — missuo/koe
- SenseVoice — FunAudioLLM/SenseVoice
- WhisperKit — argmaxinc/WhisperKit
- 作者:Dr. Charlii
- 链接:https://www.charliiai.com/article/voice-input-ai-tools-2026
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
