千问推出了 PC 语音输入，功能和 typeless 差不多

[MuyuQ]

巨头随手做的东西，就把一个创新赛道里的参赛者挤死大半。
比功能，巨头随便投入点人力就能碾压。
比营销，根本不是一个量级。
比财力，比模型，这都没法比啊。。
说的就是上半年国内蛮火的闪电说。
更何况后面还有豆包的语音输入法蓄势待发。

[MuyuQ]

有一篇爱范儿的广告可以大概了解下。
https://www.ifanr.com/1664830

[Moonkin]

这是啥新鲜玩意吗？把人说的话 stt ，文本送个本地小模型润色，不就行了。。。我有什么漏了的地方吗？

[ktyang]

也不搞个 linux 的

[ChrisV5]

有的，core 没啥技术含量，各家都有 tts 和 llm 。但是输入法的集成开发有很多很多细节。虽然 vibe coding 很快，但是都架不住生产级别的 bug 。有一定的工程量。

[hxzhouh1]

闪电说挺好用的，支持本地模型，自定义 api ，简单、纯粹。

[ko20]

诶，就没有哪家做一个 linux 这方面好用的客户端吗？目前 debian13+gnome48 用下来没一个满意的

[capric]

原理是 asr(语音识别)，llm 语义重组排版等
有意思的是前向修正，比如你说“不对，不对”，它要理解你是否定前面说的
另外评价标准也很意思，不是错字率而是意图达成率(是否需要手动编辑)

typeless 开源替代
https://github.com/cjpais/handy
https://github.com/sypsyp97/light-whisper
https://github.com/tover0314-w/opentypeless

[MuyuQ]

@ChrisV5 是的。但开源的几个项目用起来都各有各的难受。目前最强还是 type less ，但是那玩意儿付费太贵了点。
@capric 几个开源项目我也看过，维护是个问题，修 bug 不积极。而且差距还是挺明显的。
@hxzhouh1 闪电说模型肯定没法和大厂比，自定义功能还是挺好用的。闪电说的优势是搭配豆包流式语音识别，但是等豆包也推出语音输入法的时候闪电说就没什么优势了。 闪电说的付费是 AI 助手，但这个方向肯定打不过千问和豆包。

[ChrisV5]

@MuyuQ #8 因为我自己也手搓了一个，拿 rime + 豆包 asr + deepseek llm 。

有些小问题，我自己能忍。但是发出去的话，bug 一堆。

[cutecore]

豆包语音输入法发布都快半年了，官网 PC 版本还是敬请期待呢
哪个输入法先出 linux 版本，我就支持哪一个

[hxzhouh1]

@ChrisV5 #9 您好，请问一下 rime 如何接入 豆包 asr 呢？

[ChrisV5]

@hxzhouh1 #11 rime 的核心是开源的啊。拿 vibe coding 怼就行。大概跑一个 40 分钟的任务，就能跑起来吧。。

[ganbuliao]

豆包的语音输入法 pc 有内测版本 我已经用一个月了
很爽 就等豆包正式发布了

[winnerczwx]

@Moonkin 想法和产品还是有差距的

[iorilu]

这个就等巨头产品了

除非是必须走本地

[auhah]

@ChrisV5 闪电说/typeless 都没走输入法路子，输入法相关的坑也不用踩啊。。。看上去主要功能就一条线，触发录音，丢给模型，回填内容

[ChrisV5]

@auhah 回填内容没你想的这么简单，输入框的状态是非常不稳定的，他们走剪贴板，现在是个应用都读写改剪贴板。

[emberzhang]

豆包输入法 macOS 测试版我也试了下，问题在于它真是安装为一个输入法了，要把输入法切换到它的时候才能输入，如果状态栏的输入法切换到系统自带，就无法激活豆包的语音输入

闪电说，lazytyper 这些压根就没按输入法安装，也就不用管系统限制

[lel020]

我希望语音输入归语音输入，输入法归输入法，语音输入法就很坑爹，挤占了输入法的位置，但作为输入法又垃圾的不行，

[AIXAPI]

感觉这类产品的技术栈（ ASR+LLM 润色）门槛不高，但工程细节拉满，比如实时流处理、语义纠错、输入法集成，大厂砸资源做出来的体验确实是个人项目比不了的。期待后面豆包的版本，也看看开源社区能不能跟上。

[madowenzy]

@ganbuliao Mac 端吧，Win 应该还没有

[HeyWeGo]

豆包的语音在 win 上的有办法用，v2 的人才提供的方法

[iorilu]

@HeyWeGo 怎么用呢, 有链接吗

[yeh]

我和 https://v2ex.com/t/1202162 这位老哥一样，参考 https://github.com/yetone/voice-input-src ，codex 生成了一个 macos 下的来 vibe coding ，之后自己用的过程中发现了几个边界问题，补全了下边界，现在还挺稳的。

输入端是 dji mic mini

[vvv222eeexxx]

@ganbuliao 可否共享一下，让大家先睹为快？

[Oo0]

我也等个 Linu 版

[ebushicao]

智谱也有这个输入法，但本质就是语音转文字再用模型处理一下，我直接文字表达然后让模型处理一下效果应该会更好，毕竟文字输入还能检查一下，语音输入但凡讲多点就容易出错，而且涉及到一些专有名词的时候很容易错误，即便这种输入法都支持添加名词。

[raycool]

豆包输入法怎么还不发布 mac 端的

[XTTX]

@ganbuliao 平时用来替代 cli 打字好用么？

[ganbuliao]

豆包的有需要可以试试
6ZO+5o6lOiBodHRwczovL3Bhbi5iYWlkdS5jb20vcy8xN25DYUU2cTlHMjllaERSMlF6MTEydz9wd2Q9MVljNwrmj5Dlj5bnoIE6IDFZYzc=

[ganbuliao]

5oiR55So5aS45YWL572R55uY5YiG5Lqr5LqG44CMRG91YmFvSW1lSW5zdGFsbGVyX3YwLjUuNy56aXDjgI3vvIzngrnlh7vpk77mjqXljbPlj6/kv53lrZjjgILmiZPlvIDjgIzlpLjlhYtBUFDjgI3vvIzml6DpnIDkuIvovb3lnKjnur/mkq3mlL7op4bpopHvvIznlYXkuqvljp/nlLs15YCN6YCf77yM5pSv5oyB55S16KeG5oqV5bGP44CCCumTvuaOpe+8mmh0dHBzOi8vcGFuLnF1YXJrLmNuL3MvYjRmODkzZGQ0MDljCuaPkOWPluegge+8mnBGZjM=

[qW7bo2FbzbC0]

@ganbuliao #31 这个怎么用，官网没法下载 pc 版的

[MuyuQ]

@qW7bo2FbzbC0 https://base64.us/ 用这个转一下

[MuyuQ]

@ganbuliao 有 PC 版吗？ 第二个链接失效了。第一个是 mac 版。感谢

[JackalZhao]

@MuyuQ 实际用了下，2s 以上的转录延迟，根本无法接受。Typeless 也用了，延迟也是一言难尽。

你要是体验一下最新的 CapsWriter-Offline ，就能体会到真正的得心应手了，我就是作者，在 Windows 上的语音输入体验是无敌的程度。

@AIXAPI 正符合你所说的工程细节拉满。启用 LLM 润色功能后，延迟也比 Typeless 更低。

[rizon]

目前还没遇到比 typeless 更好用的，如果有人用过千问这个可以说下对比 typeless 是否更好。
现在我用 typeless 的一个问题是以前可以直连，后来直连经常连不上，只能走 vpn 了，虽然也不是什么大问题吧

[emilyw]

我目前手机用豆包语音输入，电脑 Windows 用的微信语音输入。感受还可

[higo4u]

离线可用？

[MuyuQ]

@JackalZhao 试用了下，挺快的。但是缺点也很突出。缺乏一个面向用户的客户端。 佬有空做一个吧。

[JackalZhao]

@MuyuQ 写 GUI 的天才们太多了，我比不过他们。Typeless 、千问、豆包，写界面都是一把好手，但输入体验没一个比得上 CapsWriter-Offline 的。不是赚钱项目，不期待电脑水平是幼儿园的用户能都会用，我的核心追求「把输入体验做到极致」已经达成了，写个 GUI 反而是累缀。

语音输入这件事，从第一性原理讲，本身也没有 GUI 的客观需求。

如果有大佬能把 CapsWriter-Offline 的所有功能都拿了去，再写出一个漂亮的界面，我必当竭诚欢迎。

[lozzow]

我用微信输入法的语音输入也挺好用的啊,多端同步,语音输入都挺好用的啊

[iorilu]

@JackalZhao 主要是 python 不好搞界面, 想搞得好只能用 pyqt 或 pyside, 那花事件可就大了去了

哪些输入法, 我看了基本都是 electron 搞得, 没人有精力花事件搞原生界面

[mylxsw]

不妨试试我这款 Typeflux:

https://github.com/mylxsw/typeflux