SpeakoFlow 发布免费开源语音听写与 AI 助手，支持 Windows、macOS 和 Linux

English · 简体中文 · 繁體中文

在任何应用中说话即可输入，提问即可获得回答。开启对话，畅所欲言。
它还能帮你整理会议记录。免费、开源，默认本地运行。

网站  ·  文档  ·  所有版本

它能做什么

你的思维比打字更快。SpeakoFlow 让你改用语音工作， 在任何应用中，只需一个键盘快捷键：

_{Windows 默认快捷键。macOS 和 Linux 的按键见 键盘快捷键，每一个都可以更改。}

除非你选择云服务，否则语音会在你自己的电脑上转写。 助手使用你选择的任意模型：可离线工作的内置模型、你自己的 Ollama 或 LM Studio 服务器， 或使用你自己 API 密钥的云服务提供商。

我在独自备考时开发了 SpeakoFlow。当时我在为一款听写应用付费， 它能听见我却帮不了我，所以我做了一个两者兼备的。

功能

听写

按住按键，说话，然后松开。你的话会出现在光标所在处， 录音胶囊可在你说话时显示文字。转写使用本地模型在你的 显卡或处理器上运行：英语默认使用 Parakeet， Nemotron 支持 28 种语言并自动检测，Whisper 支持 99 种， 目录中共有 65 个语音模型。如果你更想用云端， ElevenLabs 和 Deepgram 可在你说话时流式输出文本，OpenAI、Groq、Mistral、 Azure AI Speech 和 OpenRouter 也同样支持。

• 撤销。不小心取消了录音？胶囊会提供几秒钟的撤销选项， 历史记录也会保留录音，方便你之后恢复。转写失败时 会提供重试。
• 你的词，按你的方式拼写。把名字和术语加入词典，或 编写文本替换规则。在 Windows 上，它还能学习你更正过的词。
• 翻译成英语。Whisper、Canary、Granite Speech 和 Voxtral 模型，以及云端的 OpenAI 或 Groq，都能将其他语言的语音 转换为英语文本。
• 按住或点按。说话时按住按键，或切换到点按模式，按一次 开始，再按一次停止。

提问

选中一些文本，或者不选。按住左 Ctrl + 左 Alt， 说出你的需求：“把这个翻译成西班牙语”、“写一封礼貌的回复，说我 周四来不了”、“解释一下这个”。答案会以卡片形式流式显示在你所在应用的上方， 你可以复制它、插入到光标处，或用它替换你选中的文本。

如果你允许，它还能做更多：

• 屏幕视觉。询问终端里的错误或电子表格里的图表。 它默认关闭，直到你开启；即便开启，模型也会针对每个问题 自行决定是否需要查看。未被使用的截图 绝不会离开你的电脑。
• 网络搜索，通过 Serper、Brave、Tavily、Exa、SerpAPI 或 TinyFish。
• 提醒。“二十分钟后提醒我发送发票。”提醒在重启后依然保留，弹出时不会占用你的键盘。
• 配置文件和记忆。为它设置不同的人格，每个人格都有自己的回复长度，并让它记住你喜欢的工作方式。记忆默认关闭，保存在你的电脑上，你可以编辑或删除它。

对话

按左 Ctrl + 左 Alt + C 然后说话。助手会大声回答，你可以在它说话时插话。Esc 可以停止回复而不结束对话，再次按这些键则结束对话。需要在中间输入内容？像平常一样听写。对话会等你输入完，然后继续。

回复由你电脑上的语音（Kokoro、Kitten、Pocket TTS 或 Supertonic）或来自 OpenAI、ElevenLabs、Deepgram、Cartesia、Google、Azure 等的云端语音朗读。

会议 ^beta

通话前按开始录制。SpeakoFlow 将你的麦克风和电脑音频录制为两个流，并在人们说话时进行转录，因此它始终知道哪些话是你说的。没有机器人加入会议，它适用于任何会议应用。在 Windows 上，当它检测到通话时可以提示录制。

通话结束后，它会使用你选择的模板（通用、站会、一对一、面试或行动项）撰写笔记，包括摘要、决策和带负责人的后续步骤。其他声音标记为说话人 1、说话人 2，依此类推。之后你可以就会议提问，或选择讨论此会议在对话中讨论。

在 macOS 上，录制通话的另一方需要虚拟音频设备，例如 BlackHole。请参阅故障排除。

AI 清理

SpeakoFlow Mini 是我们为一项任务训练的小型模型：将你说的话变成干净的文本。它去除填充词，修正语法和标点，并遵循口头编辑，因此“删掉那个”或“其实是十一”会按你的意思执行，而不是被直接打出来。它是一个 795 MB 的下载，在你的电脑上运行，目前处理英语。任何其他本地或云端模型都可以完成这项工作，包括 Apple 芯片 Mac 上的 Apple Intelligence。

清理功能在你开启之前是关闭的。开启后它会获得自己的快捷键（听写键加 Shift），或在每次听写时运行。在此基础上，你还可以添加写作风格：专业、友好、简洁、正式、随意，或你自己写的风格。

应用中的其他功能

• 洞察。听写的字数、你的说话速度、与每分钟 40 字的打字速度相比节省的时间，以及六个月的连续活动记录。
• 历史记录。你的听写、问题和对话。回放录音、重新转录、恢复已忽略的记录，或将聊天作为对话继续。旧录音可以在设定的数量、天数或月数后自动删除。
• 你已有的模型。添加一个 .gguf 或 Whisper .bin 文件，或链接一个文件夹，其中的每个模型都会显示出来。不会复制或移动任何内容。实际下载时会一次获取八个分块，并从停止处继续。
• 用 Flow 生成。以“Hey Flow”开始听写并描述你想要写的内容，完成的文本会被粘贴，而不是你的原话。它默认关闭，位于设置 → 听写。
• 20 种界面语言。

每个功能在文档中都有自己的页面。

快速浏览

键盘快捷键

¹ 仅在 AI 清理开启且拥有独立快捷键时可用。

每个平台上的模式都一样。在听写按键上加 Shift 即可听写并清理，在提问按键上加 C 即可开始对话。录音快捷键在按住时生效；将主页从 按住说话 切换为 点按切换，按一次开始，再按一次停止。

Esc 仅在某个操作正在运行时才会取消，比如正在录音或正在朗读回复，因此其他应用在其余时间仍保留自己的 Esc。要更改快捷键，点击其按键即可。取消和对话快捷键也可以在那里关闭。

在 Mac 上，将 系统设置 → 键盘 → 按下 🌐 键时 设为 不执行任何操作，否则地球键还会打开表情符号选择器。之前使用旧版 Option + Space 默认设置的 Mac 在更新后会保留该设置。

脚本和窗口管理器可以通过 命令行标志 控制 SpeakoFlow，例如 --toggle-transcription。

模型和提供商

每项任务都可以在你的电脑上运行，或使用你选择的提供商。云提供商使用你自己的 API 密钥，存储在系统钥匙串中。

隐私

默认情况下，你的语音在你的电脑上转写，绝不会上传。没有遥测、没有分析、没有账户。

数据仅在你自行设置的情况下才会离开你的电脑：

• 云语音服务，如果你选择它而非本地模型。它会接收你的录音。
• 助手的提供商，如果它不是本地的。它会接收你的问题、你选中的任何文本、屏幕视觉开启且模型要求时的一张截图，以及你生成笔记或询问会议内容时的会议转录。
• 网络搜索，如果你开启它。搜索提供商会接收查询内容。
• 反馈，如果你从应用中发送。它发送的内容与对话框显示的完全一致，发送到只有开发者能读取的私有问题跟踪器。

API 密钥存放在你的系统钥匙串中。记忆功能在你开启前处于关闭状态，开启后也保留在你的电脑上，你可以查看、编辑或删除。更多详情见 隐私页面。

安装

从 Releases 页面下载最新版本。首次启动时，你会选择一个语音模型，下载期间会有一个简短导览展示快捷键。

已经在使用 1.4 或更早版本？这些版本无法自行更新到 2.0，所以请从 Releases 下载一次 2.0，然后覆盖安装到旧版本上。你的设置和历史记录会保留。从 2.0 开始，更新可在应用内安装。

Windows

运行 .exe 安装程序。Windows 可能会显示 SmartScreen 提示，因为该安装程序尚未由已知发布者签名；请选择 更多信息 → 仍要运行。

macOS

下载适用于你的 Mac 的 .dmg（Apple 芯片用 aarch64，Intel 用 x64），然后将 SpeakoFlow 拖入 Applications。该应用尚未由 Apple 签名，因此 macOS 会提示它“已损坏，无法打开”。它并没有损坏。在终端中用以下命令清除一次阻止，然后正常打开应用：

xattr -dr com.apple.quarantine /Applications/SpeakoFlow.app

随后 SpeakoFlow 会请求 麦克风 和 辅助功能 权限，以便听到你的声音并输入到其他应用中。

关于 macOS 安装的更多信息

“已损坏”消息是 macOS 对任何无法追溯到付费 Apple 开发者账户的应用所显示的提示。签名每年需要 99 美元，本项目目前还没有。macOS 15 及更高版本移除了旧的右键 → 打开 绕过方法，而这条消息正是系统设置不提供 仍要打开 按钮的情况，因此终端是唯一的解决途径。该命令会移除该应用副本上的“从互联网下载”标记。

每次下载后运行一次。从应用内安装的更新没有该标记，因此不需要运行。如果你手动下载了新的 .dmg，请为该副本再次运行。

更新后，macOS 有时会在辅助功能、麦克风或屏幕录制下仍显示 SpeakoFlow 已允许，但不再实际生效。如果某个权限界面一直等待，请使用其 重置权限 按钮，然后在系统设置中重新打开 SpeakoFlow。

Intel 版本需要 macOS 14 Sonoma 或更高版本。它仅使用处理器运行，因此转录速度比 Apple 芯片慢，但一切功能正常。CI 会在每个 Intel 版本发布前，在真实的 Intel Mac 上启动它。

Linux

• Arch Linux。 从 AUR 安装 speakoflow-bin，例如使用 yay -S speakoflow-bin。
• Debian 13+, Ubuntu 24.04+, Mint 22+, Pop!_OS. Install the .deb, which also adds the app icon and menu entry:

  sudo apt install ./SpeakoFlow_*_amd64.deb

• 其他发行版，包括 Fedora 和 openSUSE。 使用 AppImage：用 chmod +x 使其可执行并运行。Gear Lever 或 AppImageLauncher 等工具会将其添加到应用菜单。

这两个软件包都是为 Ubuntu 24.04 上的 x86_64 和 ARM64 构建的，因此需要 glibc 2.39 或更新版本。这排除了 Ubuntu 22.04、Debian 12、Mint 21 以及 RHEL 9 及其衍生版。目前还没有 .rpm，因为打包没有正确捆绑语音引擎，而一个能安装但无法转录的软件包比没有更糟。

更新

SpeakoFlow 会在后台检查新版本，并在 Settings → About 中安装它们，安装前会使用项目的签名密钥验证每个版本。AUR 软件包则通过你的包管理器更新。要在 GitHub 上接收发布通知，请点击本页顶部的 Watch → Custom → Releases。

从源码构建

你需要 Rust 和 Bun。

git clone https://github.com/AbhishekBarali/SpeakoFlow.git
cd SpeakoFlow
bun install
mkdir -p src-tauri/resources/models
curl -o src-tauri/resources/models/silero_vad_v4.onnx https://blob.handy.computer/silero_vad_v4.onnx
bun run tauri dev

在基于 Arch 的发行版上，bun run install:arch 会构建当前检出内容，并将其安装到 ~/.local 下，同时带有桌面条目和 speak 命令。BUILD.md 中有各平台的设置说明。

该应用是 Tauri 2，后端使用 Rust，前端使用 React 和 TypeScript。语音运行在 transcribe.cpp、whisper.cpp 和 ONNX Runtime 上，并配有 Silero VAD；助手和清理功能运行在捆绑的 llama.cpp 引擎或任何 OpenAI 兼容 API 上；本地语音在应用窗口中使用 Kokoro， 在处理器上使用 sherpa-onnx；会议说话人标签则基于 WeSpeaker 声纹嵌入。

对比

_{价格和平台信息来自各产品官网，查询于 2026 年 10 月。}

SpeakoFlow 的听写核心来自 Handy， 如果你只需要听写功能，这是个不错的选择。更多详情： SpeakoFlow 与 Wispr Flow 对比 以及 免费开源的 Wispr Flow 替代方案。

故障排除

常见问题如下。其他问题请参阅 故障排除文档 或 提交 issue。

macOS：会议只录到我这一方的通话

macOS 没有为应用提供直接录制电脑播放声音的方法。Windows 有 WASAPI 环回，Linux 有 PulseAudio 或 PipeWire 监听源， 但 Mac 需要中间加一个虚拟音频设备。

安装一个环回驱动，例如 BlackHole， 在“音频 MIDI 设置”中创建一个多输出设备，将声音同时发送到你的 扬声器和 BlackHole，并将其设为输出。然后 SpeakoFlow 就能录制通话 的另一方。无论哪种方式，你的麦克风都会被录制。

Linux：录制悬浮窗无法保持在其他应用之上

在 Linux 上，窗口只能通过 wlr-layer-shell 协议（wlroots 合成器，如 Sway 和 Hyprland，以及 KDE Plasma）或 X11 “保持置顶”堆叠来浮于其他窗口之上。Wayland 上的原生 GNOME 两者都不支持，因此当 SpeakoFlow 检测到这种情况时，会在 XWayland 下运行，悬浮窗在那里可以正常浮动。这无需任何设置，X11 和 KDE 或 wlroots Wayland 均可直接使用。

• 如果仍要强制使用原生 Wayland，请使用 SPEAKOFLOW_ALLOW_WAYLAND=1 启动。悬浮窗 可能无法保持置顶。
• 如果悬浮窗在 layer-shell 合成器下行为异常，请使用 SPEAKOFLOW_NO_GTK_LAYER_SHELL=1 启动。

Linux：快捷键无效，日志反复出现“Permission denied”

日志中满是 rdev grab error: ... PermissionDenied 意味着应用无法读取 your 输入设备。这仅影响 SpeakoFlow Keys 键盘引擎， 它读取 /dev/input/event*（需要你的用户属于 input 组）并通过 /dev/uinput 重新发送按键（在许多发行版上默认仅限 root，包括 Ubuntu，因此仅靠用户组还不够）。Tauri 是 Linux 上的默认引擎，所以你只会在切换后 看到这种情况。主页上的 Shortcuts 卡片会说明 何时出现这种情况，并给出确切的命令。

• Grant both, then log out and back in:

  sudo usermod -aG input "$USER"
  echo 'KERNEL=="uinput", GROUP="input", MODE="0660"' | sudo tee /etc/udev/rules.d/70-speakoflow-uinput.rules
  sudo udevadm control --reload && sudo udevadm trigger /dev/uinput

• 或者在“设置 → 高级”中将键盘引擎切换回 Tauri。它 不需要任何权限，但通过 X11 注册快捷键，因此在原生 Wayland 上，只有当 X11 窗口获得焦点时才能接收到快捷键。

在 Wayland 上，可靠的方案是使用桌面自带的快捷键。在 Wayland 会话中，Shortcuts 卡片会显示一个 Set up 按钮，列出每个操作的命令，方便复制。在 GNOME 或 KDE 设置中添加自定义快捷键，或在 Sway 或 Hyprland 中添加一行 bind，运行 speakoflow --toggle-transcription（对于 AppImage，则是其路径后跟相同的标志）。--toggle-post-process、--toggle-assistant、--toggle-call（开始或结束对话）以及 --cancel 的工作方式相同。它们按一次开始，再按一次停止，就像 Tap to toggle 一样。

Linux：应用在触摸板捏合缩放时崩溃

日志中出现 Received invalid message: 'DrawingArea_CommitTransientZoom' 的崩溃是 WebKitGTK 的一个 bug，影响许多基于它构建的应用，已在 tauri#13115 和 wry#544 中跟踪。在上游修复之前，请避免在窗口内捏合。将 webkit2gtk-4.1 更新到最新版本可能会有所帮助。

路线图

• Windows 和 macOS 的代码签名
• 更多一键本地模型
• 更多社区翻译
• 针对智能体编程调优的听写
• 帮助编写提示词：描述你想构建的内容，获得一个可靠的提示词
• 为你执行操作的语音命令

贡献

欢迎贡献。CONTRIBUTING.md 说明了如何开始，CONTRIBUTING_TRANSLATIONS.md 涵盖了翻译该应用的内容。

发现了 bug 或有想法？使用应用中的 Send feedback（设置旁边的 ?），或 open an issue。

许可证与致谢

SpeakoFlow 在 MIT License 下发布。

听写核心来自 CJ Pais 的 Handy，在 MIT 许可下使用。感谢 CJ 将其开源。助手、对话、会议、屏幕视觉、Generate with Flow、翻译、语音回复和记忆均为 SpeakoFlow 自有。

还要感谢 Tauri、whisper.cpp、llama.cpp、ONNX Runtime、sherpa-onnx、Silero VAD、WeSpeaker、Kokoro 以及 Kyutai 的 Pocket TTS。

云端转录上传使用 LAME MP3 编码器压缩，通过 mp3lame-encoder 实现。两者均为 LGPL-3.0 并静态链接；其源代码和本应用的源代码都是公开的，因此始终可以针对修改过的 LAME 进行构建。