Lipwise - 内置处理功能的智能听写

Lipwise 是一款［又一款］适用于 Windows、macOS 和 Linux 的听写应用。按住快捷键，说话，它就会在当前获得焦点的应用中输入文字，不过还有点不一样。我们这些对着电脑说话的人，大多也会用大语言模型（LLM）来处理文本，所以我想，为什么不把这两件事一次完成呢？我试用了 Qwen 3.5 9B，发现这一切都能在本地完成，速度快，最重要的是效果好。普通的语音转文字会给你“嗯所以会议在周二不等等周四”，这确实是你说的话，但你绝不会就这么发出去。Lipwise 会先用 LLM 处理转写文本，再输出结果，所用的提示词可以处理口头纠正、口述标点、列表，以及“简短一点”这样的指令。还有一种模式，你可以在任意位置选中文字，然后说出你想怎么处理它（“回复说可以，但最早也得周一”、“翻译成德语”）。工作原理：语音识别始终通过 transcribe.cpp（ggml）在本地运行。有 69 个模型可供选择：Parakeet、Whisper、Canary、Moonshine 等。我用 Parakeet 0.6B 识别英语。感谢 Handy 在这方面给我的启发。- 编辑步骤。如果你想用开箱即用的配置在本地运行，点击设置按钮，它会检查你的 GPU，下载 llama.cpp 构建版本和 Qwen3.5 4B 或 9B，校验哈希值，然后在后台运行。否则，也可以接入 Claude、OpenAI、Ollama、LM Studio，或任何兼容 OpenAI 的服务。- 如果 LLM 不可用或响应太慢，你会得到原始转写文本，而不是没有任何输出。- 文本通过剪贴板和模拟粘贴输入，之后会恢复剪贴板原来的内容。- 使用 Rust 和 Tauri，安装包约 5 MB。- 三种模式：智能听写，这是默认推荐的模式，也是我发布这款应用的原因。普通听写，适用于 LLM 出问题、无法正确处理你的文本，或者你只是想省下那几毫秒的情况。还有命令模式，用于文本转换及听写之外的操作。对于简单的使用场景，这么小的模型能做到这些，真的很棒。尚待完善的地方：由于安装程序没有签名，Windows 会显示 SmartScreen 警告；在 Linux 上，全局快捷键则取决于你使用的合成器。4B 模型有时也会把听起来像命令的普通句子当作命令处理。你可以设置唤醒词，这样只有以该词开头的语音才会被视为指令。https://getlipwise.com/ https://github.com/lnenad/lipwise 采用 MIT 许可证，无需账号，不收集遥测数据。很乐意详细聊聊提示词、模型选择，或其他任何问题。