五一假期写代码不想打字？ Mac 语音输入工具 Voilà，送 20 个免费授权

[qfdk]

Demo

为什么做这个

去年迷上了 Claude Code ，但每次都要打字描述需求，有点累。市面上的语音输入工具试了一圈：要么贵、要么单语种、要么不支持润色，甚至粘贴到终端还会丢字。

6 个月前干脆自己做了一个，专注 macOS 语音输入。界面不花哨，但够实用，有需要可以试试。

我的场景比较特殊：人在海外开发，中英法混用，一句话里频繁切换语言。这正好是大多数商业方案的痛点。

目前已经完全融入日常工作流，每天触发上百次，用得很顺手。

几个比较用心的点

• 多引擎可选：Soniox / ElevenLabs / 火山引擎 / Groq Whisper / Apple Speech ，按需切换
• 实时字幕浮窗：说话时能看到识别中的文字流，不用等结果出来才知道说错了
• AI 自动润色：去口水词、补标点、修口误，置信度高时自动跳过润色省 200ms 延迟
• 终端友好：Ghostty / iTerm2 / Kitty 通过 Accessibility API 直接走菜单粘贴，不会被 Cmd+V 事件丢字
• 自定义词汇表：人名、专业术语强制替换，不会再把 "Soniox" 识别成 "骚扰客死"
• 隐私：本地优先，云端 STT 直连官方 API ，不经过我自己的服务器

引擎怎么选

如果你跟我一样要写英文代码注释、和海外团队对接、刷英文文档、中英混着说话，首选 Soniox。这五个引擎我都跑了几个月，Soniox 是多语种混合识别最稳的一个：

• Soniox：中英法日西自动切换，无需指定语种，首字延迟 ~1 秒，海外开发者 / 中英混说场景强推
• 火山引擎：纯中文最准，但不支持混合识别，碰到英文单词会音译成汉字
• Groq Whisper：英文最强，但是 HTTP 批量识别不是流式，延迟高
• ElevenLabs：英文流式好，中文一般
• Apple Speech：完全本地，隐私最好，但中英混说会跳错语种

试用期 30 天可以把这几个引擎挨个跑一遍，选最顺手的。

仅支持 Apple Silicon （ M1 及以上）+ macOS 14 Sonoma 及以上

PS

• 不订阅、不联网激活、License 文件离线验证
• 当然了，还有隐藏授权，比如说你想专门体验的老哥也可以信箱私,主要交个朋友.
• 20 个免费早鸟授权，先到先得，结账时输入折扣码 VOILAV2EX，价格直接归零
• 官网： https://voilapro.app

技术栈感兴趣的也欢迎聊：Swift + SwiftUI 、AVAudioEngine 抓音频、WebSocket 流式 STT 、Ed25519 离线 License 验签。

[okchum]

看来 51 放假大家都没兑换啊. 隔了 10 个小时还能兑换了一个. 谢谢楼主啊, 我试试看

[HvangStormstout]

有适配 windows 平台的计划吗?😘

[Dream11]

@okchum 佬，有点没明白在哪里使用，请教一下谢谢

[Dream11]

@okchum 是税务识别号码

[Dream11]

佬，在哪里可以输入折扣吗呀

[qfdk]

@okchum 只是默默的加到了 50

[qfdk]

@Dream11 #5 购买的付款的时候可以输入哈

[qfdk]

@HvangStormstout 不好意思,可能让您失望了, 因为没有 windows 设备,而且是用的原生 swift 为了达到更好的流畅体验.搞了快 6 个月了, 大大小小的 bug, macos 平台稳定了.

[lihua]

有点没明白，在哪输入折扣码。

[Bssn]

感谢 op

[qfdk]

@lihua 刚才最后的 被人使用了, 我重新扩一下人数. 私信我的话可以直接给你生成新类型的授权 :)

[lihua]

@lihua 找到了。多谢大佬。

[lihua]

@qfdk 找到了，多谢大佬。

[qfdk]

@Dream11 #5 刚才那会儿最后的被人兑换了, 我刚刚扩充了下, 要是不行的话我可以直接给您码子. 当然是特殊类型授权:)

[Dream11]

感谢佬，是个好项目，很顶

[amnaruto]

感谢大佬分享，耍耍

[Dream11]

我这边好像有一个 bug ，隔一段时间第一次唤醒的时候，它就一直在聆听，没有实时转换，最后也没有输出文本，但是我看见窗口的音频是有变化的

[qfdk]

@Dream11 #17 感谢, 我稍后邮件联系您看下细节. 顺便送上一个特殊授权

[teaguexiao]

终端友好这个点确实是痛点，用 Cmd+V 贴终端经常丢字或触发自动补全完全跟想要的不一样。想请问一下多语种混识时延迟怎么样，特别是中英文切换的首字延迟？

[qfdk]

@teaguexiao 多语言混输延迟很很靠谱的 我推荐你使用 Soniox 模型。几乎没有延迟,你可以看 demo 的 gif. 场景是中文 + 法语+ 英语.

[qfdk]

@teaguexiao 看老哥也是开发者 做了语音输入,如果需要的话 我可以单独给你一个开发者授权,同行也欢迎一起来改进 :)
我做语音输入本质都是自己一直在使用的 里面会碰到很多各种各样的痛点 比如说切换显示器的时候 麦克风会丢失 切换笔记本 切换耳机 切换蓝牙 各种各样的这样的小问题吧 碰了也是很多产品也一直在打磨.

[PaulSamuelson]

感谢，大假期间还在逛 V 的朋友有好运。

[Livid]

这是我最近在 /go/create 看到的最让我激动的作品。

反馈一个小问题：窗口不在焦点的时候，有些按钮就不会显示。不知道是不是特意这样设计的。

比如不在焦点的时候，Next 就没有显示：

[Vnaner]

需要 windows +1

[47jm9ozp]

快捷键有些复杂，可以参考豆包输入法，双击 alt 或者长按 alt

[47jm9ozp]

以及，不知道为什么，在进入 checkout 页面时候，给我显示了保加利亚语……

[47jm9ozp]

以及，结束输入之后，状态栏里始终显示 voila 在使用麦克风

[bowencool]

逛 V 站这么久了，第一次领到免费的兑换码,谢谢

[qfdk]

@Livid 感谢对产品的肯定.还有很多不稳定因素.

bug 已经修复了,感谢.

另外 crash 的问题,发现是 mac mini 那边儿没有检测到麦克风,理论上是修复了崩溃的问题.

[bowencool]

能在这里加个指引吗？控制台跟个大迷宫一样，都不知道咋弄

[dnfQzjPBXtWmML]

c'est bien merci

[qfdk]

@47jm9ozp #27 首先感谢使用.
快捷键主要使用的都是组合键,避免出现误触,我会下载豆包参考, 因为服务器缘故豆包对海外地区不是很友好.
关于 Checkout 页面出现了保加利亚语,理论上是 checkout 服务器检测到了某些 浏览器头 导致,或者 ip 的问题,这个抱歉无法控制. 使用显示麦克风,是为了快速激活是为了快速进行语音输入,当你按下组合键的时候 理论上已经开始记录了.
再次感谢使用反馈

[qfdk]

@dnfQzjPBXtWmML Avec plaisir ! N’hésite pas si tu as des bugs 😊

[qfdk]

@bowencool #30 感谢反馈,这些引导,说实话没有太好好做,抱歉带来的困扰.
这个问题有 V 友反馈了,这是后面需要优化的地方,一开始是个个人用的产品.
稍后我会发一个特别的授权发给特别的你!

[qfdk]

@Vnaner 感谢反馈,记录下了. 因为初衷是 自己用又跟手的输入,没有考虑跨平台.
也是因为没有跨平台,安装包才 8M 左右,到时候出来 windows 版本少不了老哥帮着打磨

[K2]

@qfdk #20 现在去申请 Soniox API 是不是已经不提供免费额度了？

[tojonozomi]

感谢 op ，最近键盘敲多了，手腕不是很舒服，也在找语音输入法，马上试试

[clockcloud]

感谢分享，试试

[notaCoder]

和 TypeWhisper 比，有什么独特的地方吗，以前用 Whisper Transcription ，但是后来有的模型要花钱就换着试了好几个，不想再换了

[qfdk]

@notaCoder 我的这个默认可以使用苹果的，苹果的是免费的哟。

[notaCoder]

@qfdk TypeWhisper 默认也可以使用苹果的

[qfdk]

@notaCoder #41 不好意思我看错了, 以为你说的是 whisper,主要是像我这边做的都是 Soniox, elevenLabs,有 websocket 的加成优化,欧洲很舒服.终端一直在用,配合上靠谱的 API 准确率还是蛮高的，加上我这边有智能分词底层使用 jieba 分词,去掉奇怪的词语.

TypeWhisper 强在本地模型多 + 插件/CLI/批量转写更全，更像工具箱,马克下,看看有没有好的细节借鉴下 :)