Spokenly：macOS语音转文字工具

Spokenly 是一款专为 macOS 设计的语音转文字工具，旨在帮助用户通过语音快速输入文字，提高工作效率。它利用先进的 AI 技术（如 Whisper 和 GPT-4o）将语音实时转换为文字，支持超过 100 种语言，适合多种场景，如写作、编程、笔记记录等。Spokenly 强调隐私保护，提供本地处理模式，语音数据无需上传云端。用户可通过快捷键触发语音输入，文字直接插入光标所在位置，操作简单流畅。无论是日常办公还是专业创作，Spokenly 都能让用户告别繁琐打字，专注于内容创作。

功能列表

• 实时语音转文字：通过快捷键启动，语音即时转换为文字，插入当前光标位置。
• 多语言支持：支持英语、西班牙语、中文等 100 多种语言，自动检测语言。
• 本地处理模式：使用本地 Whisper 模型，语音数据不离开设备，保护隐私。
• 云端高级模型：支持 GPT-4o 等云端模型，提供更高准确度和速度。
• 语音控制 Mac：通过 Agent 模式，执行打开应用、搜索网页等操作。
• AI 文本优化：自动修正语法、格式化文本，甚至翻译或改写内容。
• 转录历史记录：保存所有转录内容，支持搜索、回放和导出。
• 视频文件转录：支持直接处理视频文件，提取音频并转为文字。
• 自定义快捷键：用户可设置单键或组合键，快速启动语音输入。

使用帮助

安装流程

1. 下载 Spokenly：访问 Mac App Store 或官网 spokenly.app，点击下载按钮。应用大小仅 2.9 MB，下载快速。
2. 安装应用：下载完成后，打开安装包，按照提示完成安装。应用会自动出现在 macOS 菜单栏。
3. 授予权限：首次启动时，系统会提示授予麦克风和辅助功能权限。点击“系统设置 > 隐私与安全性”，启用 Spokenly 的麦克风访问和辅助功能，确保语音输入和跨应用操作正常。
4. 设置快捷键：打开 Spokenly，进入设置界面，默认快捷键为右 Command 键（⌘）。用户可自定义为 F15 等单键或组合键，确保不与其他应用冲突。

使用方法

1. 实时语音转文字

• 启动转录：将光标置于任意文本输入框（如浏览器、邮件、代码编辑器），按下设置好的快捷键（默认右 Command 键）。屏幕会弹出转录窗口。
• 开始说话：直接对着麦克风说话，Spokenly 会实时将语音转为文字，显示在窗口中。说完后再次按快捷键，文字自动插入光标位置。
• 选择模型：在“语音模型”设置中选择本地 Whisper 模型（隐私优先）或云端模型（如 GPT-4o，需网络连接）。本地模型适合无网络环境，云端模型准确度更高。
• 处理标点：云端模型（如 Whisper Large v3）支持自动添加标点符号。本地 Whisper 模型不支持直接识别标点，但可通过 AI 文本优化解决。例如，设置 AI 提示“将‘感叹号’转为‘！’”，即可将语音中的“Hi exclamation”转为“Hi!”。

2. 多语言支持与自动检测

• Spokenly 支持 100 多种语言，包括英语、中文、西班牙语等。无需手动选择语言，应用会自动检测输入语音的语言。
• 操作步骤：在设置中选择“自动语言检测”，开始说话后，系统会根据语音内容匹配语言并转录。例如，混合英语和中文的句子也能正确识别。
• 注意事项：语言识别效果因模型而异。云端模型（如 ElevenLabs Scribe）在多语言场景下表现更优，本地模型可能在稀有语言上准确度较低。

3. 语音控制 Mac（Agent 模式）

• 启用 Agent 模式：在设置中切换到“Agent 模式”。此模式将语音转为命令，控制 Mac 操作。
• 常用命令：
  • “打开 Safari”：启动 Safari 浏览器。
  • “搜索 Google 天气”：在默认浏览器中搜索天气信息。
  • “运行终端命令 显示系统信息”：执行终端命令。
• 自定义命令：在“快速命令”标签中添加触发短语和动作。例如，设置“打开 Lifehacker”为触发短语，链接到 Lifehacker 网站 URL，每次说“Open Lifehacker”即可打开网页。
• 注意：复杂命令需清晰语音，避免模糊表述。未来版本将支持带参数的快捷方式。

4. AI 文本优化

• 设置 AI 提示：在“AI 提示”设置中输入自定义指令，例如“将文本翻译为西班牙语”或“修正语法并格式化为正式邮件”。
• 操作流程：录制语音后，选择 AI 提示快捷键，系统会根据指令处理转录文本。例如，说“会议明天九点”并应用“格式化为正式邮件”提示，输出可能是“尊敬的同事，会议定于明天上午 9 点举行”。
• 适用场景：适合快速生成专业文档、翻译多语言内容或优化草稿。

5. 转录历史与导出

• 查看历史：在应用主界面点击“历史记录”，查看所有转录内容。支持按关键词搜索。
• 回放与导出：选择某条记录，点击“回放”听原始音频，或点击“导出”保存为文本文件，兼容 .txt 和 .doc 格式。
• 管理存储：本地模型的音频和文本存储在 Mac 上，路径为 ~/Library/Spokenly/Transcriptions。云端模型不保存音频，仅临时处理。

6. 视频文件转录

• 导入视频：在版本 2.7.3 及以上，点击“文件”菜单，选择视频文件（支持 MP4、MOV 等格式）。
• 转录流程：应用自动提取音频并转为文字，输出到指定文本框或保存为文件。适合字幕生成或会议记录整理。
• 性能提示：大型视频文件可能需要更多处理时间，建议使用高性能 Mac 设备。

注意事项

• 网络需求：本地 Whisper 模型无需网络，云端模型需稳定连接。
• 设备要求：macOS 12.0 或以上，建议 8GB 以上内存以支持本地模型。
• 隐私保护：本地模式下，语音数据不上传。云端模式使用第三方服务（如 OpenAI、Deepgram），音频即时删除，不存储。用户可查看第三方隐私政策。

应用场景

1. 快速笔记记录
   • 场景描述：在会议或课堂中，用户需要快速记录灵感或重点。使用 Spokenly，按快捷键说出内容，文字即时出现在笔记应用中，节省打字时间。AI 文本优化可整理零散语音为结构化笔记。
2. 编程与文档编写
   • 场景描述：程序员或写作者可用语音输入代码注释或长篇文章。Spokenly 支持多语言，适合混合语言环境（如中英文档）。语音控制可快速打开 IDE 或搜索技术文档。
3. 多语言沟通
   • 场景描述：跨国团队成员用 Spokenly 实时转录多语言会议内容，或通过 AI 提示翻译为目标语言，方便邮件或聊天记录整理。
4. 无障碍辅助
   • 场景描述：手部不便的用户可通过语音控制 Mac，执行打开应用、发送消息等操作。Spokenly 的高准确度转录和自定义命令提升操作效率。

QA

1. Spokenly 是否完全免费？
   • Spokenly 基础功能免费，包括本地 Whisper 模型和 Apple 内置转录。云端高级模型（如 GPT-4o）未来可能引入付费订阅，但目前免费。
2. 如何确保语音数据隐私？
   • 本地模式下，数据不离开 Mac。云端模式使用第三方服务，音频处理后即时删除。用户可启用“本地模式”阻止网络请求。
3. 支持哪些语言？
   • 支持 100 多种语言，包括英语、中文、西班牙语等。自动语言检测适用于多语言混合场景，效果因模型而异。
4. 如何处理视频文件转录？
   • 在“文件”菜单选择视频，应用提取音频并转为文字。支持 MP4、MOV 格式，适合字幕生成或记录整理。
5. 能否离线使用？
   • 本地 Whisper 模型支持离线转录，但准确度稍低于云端模型。需确保 Mac 存储空间足够。