altic-dev/FluidVoice

# FluidVoice [](https://huggingface.co/nvidia/parakeet_realtime_eou_120m-v1) 适用于 macOS 的开源语音转文字听写应用，支持设备端 AI 增强。 **使用 Homebrew 安装：** `brew install --cask fluidvoice` **手动下载：**[最新发布版本](https://github.com/altic-dev/FluidVoice/releases/latest) ## 1.6.0 版本新特性 - **极速 Parakeet** — 重新构建了 Parakeet 实现，说话与屏幕显示文字之间几乎没有延迟 - **Fluid Intelligence** — 完全本地化的 AI 模型，用于设备端听写增强。无需云服务，无需 API 密钥，数据也不会离开你的 Mac - **更好的主题** — 自适应浅色/深色主题，带有紧凑的工具栏切换器 - **全新的引导流程** — 一次简洁的设置包含：以语言优先的语音引擎配置、真实的听写试用以及 AI 增强设置 ## Fluid Intelligence FluidVoice 完全开源，采用 GPLv3 许可证。**Fluid Intelligence** 是一个独立的、私下维护的本地 AI runtime，为高级设备端听写增强提供支持——智能格式化、上下文感知大写以及后处理——全部在你的 Mac 上本地运行。 该应用搭配任何受支持的语音模型和可选的云端 AI 提供商即可独立出色运行。Fluid Intelligence 为希望在不将数据发送到任何地方的情况下进行设备端增强的用户，增加了一个完全本地化、私密的 AI 层。 目前我们将 Fluid Intelligence 保持私有状态，以便我们能够可持续地免费提供核心听写体验。未来可能会有所改变。 ## Fluid Intelligence 抢先预览

邮件模板	花朵
修改时间与姓名	Emoji
连字符与数字

## 演示 ### 命令模式 — 使用 FluidVoice 在你的 Mac 上执行任何操作 https://github.com/user-attachments/assets/ffb47afd-1621-432a-bdca-baa4b8526301 ### 写作模式 — 在任何应用的任何文本框中编写或重写文本 https://github.com/user-attachments/assets/c57ef6d5-f0a1-4a3f-a121-637533442c24 ## 截图 ### 命令模式  ### 历史记录与统计  ## 功能 - **Fluid Intelligence** — 设备端 AI 增强，提供智能格式化、上下文感知大写和后处理，全部在你的 Mac 上本地运行，数据绝对不会离开你的设备 - **命令模式** — 通过语音控制你的 Mac：启动应用、运行快捷指令、触发系统操作并自动化工作流，无需触碰键盘 - **写作模式** — 直接在任何应用的任何文本字段中编写或重写文本。选中文本进行重写，或直接听写新内容 - **实时预览** — 支持刘海屏的实时转录悬浮窗，让你在说话时就能看到文字出现 - **多种语音模型** — Nemotron Speech 3.5、Parakeet Flash、Parakeet TDT v3 与 v2、Cohere Transcribe、Apple Speech 和 Whisper。根据你的语言和延迟需求选择合适的模型 - **AI 增强** — 通过 OpenAI、Groq、自定义提供商或本地 Fluid Intelligence 进行可选的后处理，以获得更清晰、更准确的转录文本 - **音频历史记录** — 可选的本地录音历史记录，带有预算控制和 ZIP 导出功能，让你无需云存储即可查看过去的听写内容 - **当日使用统计** — 通过统计标题卡片和工具栏胶囊按钮，一目了然地跟踪每日使用情况 - **自适应主题** — 跟随你系统的浅色/深色主题，带有紧凑的工具栏切换器 - **全局热键** — 从任何地方即时捕获语音，无需切换应用 - **智能输入** — 通过辅助功能 API 直接插入到任何应用中，实现可靠的、独立于应用的文本输入 - **菜单栏集成** — 从菜单栏快速访问、查看状态和设置 - **自动更新** — 无缝更新，带有可选的 beta 频道以供抢先预览 - **按应用配置** — 为不同的应用分配不同的 prompt 集，让你的听写适应你正在处理的任何工作。完全可选 - **刘海感知悬浮窗** — 转录悬浮窗能够完美避开 MacBook 的刘海，或者如果你的 Mac 没有，可以使用标准悬浮窗 - **本地优先** — 除非你选择加入云端 AI 提供商，否则你的语音和文字永远不会离开你的设备 - **Mac 上最快的 Parakeet** — macOS 上最快的原生 Parakeet 实现之一，具有近乎即时的转录和极低的延迟 - **可配置的悬浮窗** — 从胶囊形到大型悬浮窗尺寸中进行选择以显示实时预览，或保持极简风格。一切都是可选的 - **一切皆为可选** — AI 增强、Fluid Intelligence、音频历史记录、数据分析和 beta 构建全部需要主动选择开启。除了权限和热键外，核心听写体验无需任何配置即可开箱即用 ## 支持的模型 | 模型 | 最适用于 | 语言支持 | 下载大小 | 硬件 | | --- | --- | --- | --- | --- | | Nemotron Speech 3.5 — 超快低延迟 | 支持流式的多语言听写 | 约 40 种语言 | 约 670 MB | Apple Silicon | | Nemotron 3.5 多语言 | 高精度多语言听写 | 约 40 种语言 | 约 530 MB | Apple Silicon | | [Parakeet Flash (Beta)](https://huggingface.co/nvidia/parakeet_realtime_eou_120m-v1) | 最低延迟的实时英语听写 | 英语 | 约 250 MB | Apple Silicon | | Parakeet TDT v3 | 快速的默认多语言听写 | [25 种语言](#parakeet-tdt-v3-languages) | 约 500 MB | Apple Silicon | | Parakeet TDT v2 | 最快的纯英语听写 | [英语](#parakeet-tdt-v2-languages) | 约 500 MB | Apple Silicon | | Cohere Transcribe | 高精度多语言听写 | [14 种语言](#cohere-transcribe-languages) | 约 1.4 GB | Apple Silicon | | Apple Speech | 零下载的 macOS 原生语音 | [系统语言](#apple-speech-languages) | 内置 | Apple Silicon + Intel | | Whisper Tiny / Base / Small / Medium / Large | 广泛的兼容性，包括 Intel Mac | [99 种语言](#whisper-language-support) | 约 75 MB 到 2.9 GB | Apple Silicon + Intel | ### Parakeet TDT v3 语言 保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、芬兰语、法语、德语、希腊语、匈牙利语、意大利语、拉脱维亚语、立陶宛语、马耳他语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语和乌克兰语。 ### Parakeet TDT v2 语言 英语。 ### Cohere Transcribe 语言 英语、法语、德语、意大利语、西班牙语、葡萄牙语、希腊语、荷兰语、波兰语、中文、日语、韩语、越南语和阿拉伯语。 ### Apple Speech 语言 系统语言支持取决于你的设备上可用的 macOS 语音识别语言。 ### Whisper 语言支持 Whisper 支持多达 99 种语言，具体取决于你选择的模型大小。 ## 快速开始 1. 使用 Homebrew **安装**： brew install --cask fluidvoice 或下载[最新发布版本](https://github.com/altic-dev/FluidVoice/releases/latest)。 2. **授予权限** — FluidVoice 将请求麦克风和辅助功能访问权限。这两者对于实现听写到其他应用都是必需的。 3. **设置热键** — 在设置中选择一个全局热键，以便从任何地方触发语音捕获。 4. **完成引导流程** — 根据你的语言和延迟需求选择语音模型。模型范围从零下载的 Apple Speech 到高精度的 Nemotron 和 Whisper。 5. **（可选）启用 Fluid Intelligence** — 在引导过程中下载本地 AI 模型以进行设备端听写增强。一切都在本地运行，数据不会离开你的 Mac。 6. **（可选）自带 AI 提供商** — 添加 OpenAI、Groq 或自定义提供商的 API 密钥以进行云端增强。密钥安全存储在 macOS Keychain 中。请选择“始终允许”以获取密钥访问权限。 7. **（可选）加入 beta 构建** — 在 `Settings → Automatic Updates → Beta Releases` 抢先体验新功能。 ## 系统要求 - macOS 15.0 (Sequoia) 或更高版本 - 所有模型均需 Apple Silicon Mac - Intel Mac 通过 Whisper 模型支持（自 1.5.1 版本起） - 约 1 GB 磁盘空间用于语音模型 - 约 3.5 GB 磁盘空间用于 Fluid Intelligence 模型（可选） - 麦克风访问权限 - 用于打字的辅助功能权限 ## 从源代码构建 ``` git clone https://github.com/altic-dev/FluidVoice.git cd FluidVoice open Fluid.xcodeproj ``` 在 Xcode 中构建并运行。所有依赖项均通过 Swift Package Manager 管理。 ### 仅构建（无签名） ``` xcodebuild -project Fluid.xcodeproj -scheme Fluid -destination 'platform=macOS' build CODE_SIGNING_ALLOWED=NO ``` ## 运行集成测试 ``` xcodebuild test -project Fluid.xcodeproj -scheme Fluid -destination 'platform=macOS' ``` CI 使用未签名的构建： ``` xcodebuild test -project Fluid.xcodeproj -scheme Fluid -destination 'platform=macOS' CODE_SIGNING_REQUIRED=NO CODE_SIGNING_ALLOWED=NO ``` ## 隐私与数据分析 FluidVoice 是**本地优先**的。除非你明确选择加入云端 AI 提供商，否则你的语音、音频和转录文本永远不会离开你的设备。 ### 收集的内容（需主动开启） 默认情况下，匿名数据分析处于启用状态，以跟踪应用健康状况和功能使用情况。你可以随时从 `Settings → Share Anonymous Analytics` 中禁用。 **收集的信息：** - 应用版本、构建版本、macOS 版本 - 低基数功能/配置标志（例如应用模式、主要设置） - 大致使用范围（非精确数值） - 高层面的成功/错误结果 **不收集的信息：** - 语音、原始音频或转录文本 - 选定的文本、prompt 或 AI 响应 - 终端命令、窗口标题、文件路径、剪贴板或输入的内容 - 任何个人或隐私信息 ## 许可证 自 2026-02-23 起，本项目采用 [GNU General Public License, Version 3.0 (GPLv3)](LICENSE) 许可证。 在此日期之前发布的版本采用 Apache License 2.0 许可证。

标签：AI增强, Whisper, 听写工具, 本地离线, 端侧部署, 语音识别