企业官网建设流程全解析

用过 Typeless 的话，应该熟悉这种用法：按住快捷键说话，松开以后，口头禅和说错又改口的地方都已经去掉，整理好的文字直接出现在光标处。为了实现本地识别，所以我做了一个开源的语音输入工具——Voltip。

下面这段录屏里，按住快捷键说的是：

「那个，就是，评审会定在周一上午十点，呃，不对，应该是下午两点，请大家带上最新的数据。」

松开以后，写入文档的是：

「评审会定在周一下午两点。请大家带上最新的数据。」

这就是 Voltip，一个开源的多端通用（windows/linux/macos/android/无头服务器）语音输入工具。在任意应用里按住 Ctrl+Alt+Space 说话，松开后文字就自动粘贴到光标处。录屏里的识别和润色用的是安装包内置的服务，这两个也可以换成本机离线服务。

和 Typeless 比

如果把 Voltip 当 Typeless 的开源平替来看：听写这条主线上，两者能做的事差不多，Voltip 的可定制化程度更高。

识别可以完全在本机完成

在「语音模型」页选「本机」，下载一个模型，之后识别就在这台电脑上进行，录音数据保留在你的电脑上。可选的模型有五个：

建议直接用 Qwen3-ASR 0.6B。电脑较旧、内存紧张的，换 SenseVoice Small。Paraformer 的中文识别更准，但不带标点，需要借助AI 润色把标点补上。

没有桌面的 Linux 服务器上，可以运行voltip-server：它用同样的识别、词典和预设处理录音，向本机的其他程序提供 OpenAI 兼容的转写接口，默认只接受来自本机的连接（可以结合paseo使用，后面我会发一个paseo+voltip的文章出来）。

Windows、macOS、Linux，加上安卓手机

安卓应用（Android 8.0 及以上，64 位 Arm）主要是给电脑当麦克风和键盘。在电脑的「手机」页开始配对，手机扫二维码或输入 6 位验证码，两边会显示同一组安全码，核对一致后分别确认。之后在手机上按住说话，音频经 Opus 压缩、端到端加密后实时传到电脑；电脑用自己的设置识别，包括本地模型、词典和 AI 润色，再把文字插入电脑的光标处。手机也可以直接把输入的文字或手机剪贴板里的内容发过去。

两台设备经中继连接，不在同一个网络也能用，中继只转发加密后的数据，读不到内容，网络切换后会自动重连。所以用手机说话时，「本地」指的是识别在你自己的电脑上完成：手机本身不运行本地模型。没有在线的电脑时，手机也能单独识别，用内置服务或你填写的服务商，结果自动复制到手机剪贴板。

安卓应用目前在 GitHub 发布页下载；Google Play 上架还在准备中，按 Google 的要求要先完成封闭测试。iOS 版计划在后续发布。

AI 接入：先用内置服务，再换成自己的

正式版安装包内置了默认的语音识别和AI润色服务，不用注册，也不用填密钥，装好就能听写和润色。内置服务的润色模型可以在 Qwen3.8 27B（默认）、GPT-OSS 120B 和 GPT-OSS 20B 之间选择。这项服务由所有用户共用，请求多或额度用完时，Voltip 会跳过润色。建议接自己的服务商（可以注册免费的groq或者google AI Studio接入）。

识别和润色都能用的服务商有 OpenAI、Groq、硅基流动、阿里云百炼（含实时识别模型），以及任意 OpenAI 兼容接口；只用于润色的有 Google AI Studio（Gemini）、DeepSeek 和本机运行的 Ollama。

• 「额度用完后改用其他模型」可以为识别和润色各列出最多 8 个候补模型。只有服务商明确回复额度用完时才会切换，网络中断、密钥错误等问题照常报错。阿里云百炼的每个模型各有一份免费额度，可以依次列上。

热词和润色：让它认识你常用的词

语音识别总有几个词听不对，常见的是人名、项目名和 kubectl 这类命令。Voltip 的「词典」就是热词表：每个词条写一个正确写法，再写最多 10 个它常被听成的样子，比如「酷伯 control」。识别完成后，这些写法会立刻替换成正确写法，这一步早于 AI 润色和替换规则。

词典还有一个作用：已启用词条的正确写法会作为提示发给云端识别和 AI 润色，让它们一开始就写对，阿里云百炼的 qwen-audio 系列模型收到的就是热词。词典最多 500 个词条。

在历史记录里打开一条记录，切到「原文」，AI 润色改正过的词带蓝色点状下划线。点一下，就会弹出预填好的词典卡片：曾听成「维他命」，正确写法已经填好「Voltip」，并注明来自润色结果。

给 AI 工具口述需求时，可以用「提示词优化」。比如说的是：

「帮我写个脚本就是把那个日志目录里面超过七天的文件删掉然后每天跑一次对了要能在linux上跑」

插入的是：

请写一个在 Linux 上运行的脚本：
1. 删除日志目录中超过 7 天的文件；
2. 每天自动运行一次。

不同的应用需要不同的写法，这由「场景」处理：开始录音时，Voltip 查看当前是哪个应用，自动换用对应的预设和术语。内置了四类场景：

• 编程开发：VS Code、Cursor、Kiro、JetBrains 系列和终端，代码、命令、路径和标识符保持原样；
• 办公写作：Outlook、Word、WPS、OneNote、Notion，使用「书面语」；
• 即时聊天：微信、QQ、Slack、Teams、钉钉、飞书、Telegram、Discord，使用「口语聊天」；
• 法律、医疗、金融、学术：严格校对，术语保持原样，添加你使用的应用后生效。

如果你在用 Claude Code 或 Codex，还可以在「设置 → AI 工具接入」中开启 MCP 服务，让它们读取 Voltip 的替换汇总，结合项目里的术语提出词典建议。默认只能看到 AI 润色前后被替换的词，以及命中处前后各 12 个字的片段；读取完整历史需要你单独授权，并选择时间范围。它新建的规则在你确认之前不会生效，每次修改都可以撤销。

另外几个功能

• 语音编辑：选中一段文字，按住 Ctrl+Alt+E 说「改得正式一点」或「翻译成英文」，选中的内容直接被改写结果替换。Windows 和 Linux 的终端里不能用。
• 长录音：单次最长 2 小时，可以录麦克风、电脑声音或两者混合，混合时会消除扬声器的回声；录音时分段识别，结束后可以导出 SRT 字幕。
• 历史记录：保存在本机，配对的手机可以同步查看，最多 2 万条，可以搜索、复制，或粘贴回之前使用的窗口。首页按天、周、月统计转录字数和节省的时间，节省时间按说话时长的 1.9 倍计算，依据是 Ruan 等人 2016 年的实验（arXiv:1608.07323）：中文语音输入每分钟 123 字，打字 43 字。
• 备份与迁移：历史记录、词典、规则、场景和自定义预设可以导出成一个文件，换电脑时导入。备份文件没有加密，不包含密钥和已配对的设备。
• 单键触发：右 Ctrl、右 Alt、Mac 上的 Fn 键或鼠标侧键，都可以单独用来开始听写。

常见问题

Q：没有网络能用吗？

A：识别可以，用本地模型即可。AI 润色要么关掉，要么在本机运行 Ollama。

Q：为什么不做语音唤醒，或者检测到静音就自动停止？

A：常开的麦克风可能把旁边人说的话输入前台应用；静音自动停止在嘈杂的环境里会截断口述。所以麦克风只在按住快捷键时打开，代价是每次都要按键。

Q：Windows 上有的窗口粘贴不进去？

A：以管理员身份运行的窗口不接受普通应用的输入。Voltip 粘贴前会发现这种情况，把文字留在剪贴板里，按 Ctrl+V 手动粘贴即可。

Q：用其他云端服务，也能边说边出字吗？

A：内置服务和阿里云百炼的实时识别模型可以直接使用；其他服务商需要先下载 169 MB 的本地实时识别模型。

适合谁

如果你每天在电脑上写大段文字、给 AI 工具写提示词，或者不希望录音离开自己的电脑，可以装上试试。安卓应用主要是电脑的麦克风和键盘。

不想先安装的话，官网有在线体验：在浏览器里说一句话，几秒后就能看到识别结果和润色后的文字。

• 官网：voltip.firlab.app/zh
• 在线体验：voltip.firlab.app/zh/guide/try
• GitHub：github.com/sunerpy/voltip