Type4Me

Type4Me 是什么？

Type4Me 是一款 macOS 语音输入工具，提供实时语音转文本识别，并可选使用基于 LLM 的文本处理。它支持本地（离线）和云端识别引擎，并设计为使用本地存储的凭证和识别历史运行。

其核心目的是帮助用户将口述中文（以及使用可用本地模型的双语中英）转换为文本，使用本地识别时可实现更快的设备端推理，同时在使用云端模型时支持可配置的基于提示的工作流。

本地语音识别（离线）：使用 SherpaOnnx 引擎（Paraformer/Zipformer）进行设备端识别，无需 API 密钥、云账号设置或网络依赖。
云端流式识别：连接 Volcengine（豆包）流式 ASR，在说话时生成文本，支持性能模式，可使用双通道识别后优化完整录音。
多种处理模式（包括自定义提示）：内置模式涵盖快速实时打字、性能导向的双通道流程、英文翻译、提示优化，以及命令模式（语音可指示 LLM 处理选中文本和剪贴板内容）；用户也可编写自定义提示。
提示上下文变量：提示模板支持变量，如 {text}（识别语音）、{selected}（录音开始时选中文本）和 {clipboard}（录音开始时剪贴板内容），实现“语音变命令”工作流。
本地数据存储：凭证保存在 ~/Library/Application Support/Type4Me/credentials.json（权限 0600），识别历史存储在本地 SQLite 数据库中，支持按日期范围导出为 CSV。
ASR 词汇管理：添加热词（如专有名词）提升识别准确率，并支持短语替换（如口述邮件标签替换为真实地址）。

在 macOS 14+ 上安装：下载 Type4Me v1.2.0 的 DMG，将 Type4Me.app 拖入 Applications。首次启动可能显示 macOS 非 App Store 应用的標準安全警告，可通过系统设置或终端 xattr 解决。
选择识别引擎：
- 仅云端安装：DMG 流程支持云端识别引擎。
- 本地离线识别（可选）：若从源码构建，可启用本地 Paraformer 引擎，并将 ASR 模型文件下载至 ~/Library/Application Support/Type4Me/Models/。
配置云端引擎和密钥：首次运行向导中，按照仓库设置指南输入 Volcengine App Key、Access Key 和 Resource ID。
配置模式和快捷键：在设置中选择本地/Paraformer 或云端引擎，然后使用内置模式或自定义提示。每种模式可绑定独立全局快捷键，支持“按住说话”或“单击开始/停止”。

无可靠网络环境下的离线听写：使用本地 Paraformer（SherpaOnnx）引擎，完全设备端转写语音，无需 API 密钥。
最小延迟的实时打字：使用 Quick 模式，识别结果就绪即插入。
双语输出工作流：使用双语本地模型，口述中文语音，通过 English Translation 模式输出英文翻译。
针对当前查看内容的语音命令：在编辑器中选中文本，按绑定快捷键，说出命令（如“翻译选中文本”），提示接收 {selected} 和 {clipboard} 上下文。
使用领域特定词汇提升准确率：添加组织名、产品名或技术术语作为 ASR 热词，并使用短语替换处理如邮件地址等重复敏感格式。

为什么 macOS 首次启动时会警告？ macOS 在打开非 App Store 来源的 App 时会显示安全警告。仓库提供了两种允许打开的方法（推荐系统设置，或终端 xattr -d com.apple.quarantine）。
本地识别需要 API 密钥吗？ 不需要。使用基于 SherpaOnnx 的本地引擎时，识别在设备上运行，无需 API 密钥或云账号。
凭证和识别历史存储在哪里？ 凭证本地保存至 ~/Library/Application Support/Type4Me/credentials.json，权限 0600。识别历史存储在本地 SQLite 数据库中，可按日期范围导出为 CSV。
可以自定义识别文本的处理方式吗？ 可以。Type4Me 内置多种模式，并支持自定义提示模板。提示变量包括 {text}、{selected} 和 {clipboard}。
预构建 DMG 支持本地识别吗？ 仓库说明 DMG 下载版支持云端识别引擎。本地离线识别需从源码构建，并下载相应的 SherpaOnnx 模型文件。

macOS 内置 Dictation：便捷的原生语音转文本选项，通常在集成基于提示的 LLM 处理和离线引擎选择方面受限。
本地/离线语音转文本工具（ASR 应用或 CLI）：可像 Type4Me 本地模式一样无需网络运行，但可能不提供相同的提示驱动模式及快捷键/剪贴板上下文工作流。
带 API 的云端转写平台：适合需要云模型托管准确率时，但需网络访问，通常涉及账号/API 密钥管理，不同于 Type4Me 的本地优先能力。
浏览器/桌面语音输入产品：专注于应用内直接听写；Type4Me 的独特工作流是将识别与可配置提示模式结合，并支持本地存储/导出识别历史。