larryxiao/openquack

🌐 机器翻译。 欢迎母语者贡献 —— 提交 PR 或参见 CONTRIBUTING.md。 English: README.md

---

📢 更新日志 —— 完整发布说明见 Releases 页面 →

• 🎛️ v2.0.0-alpha.22 —— 让 AI 润色按你的想法来。 本地润色的系统提示词现在可以在"设置"里直接编辑(带一键恢复默认),想让它更好地处理中英混排空格,或修正听写误判,自己写规则就行。录音浮层现在会跟到你当前所在的 Space,保存的历史记录条数上限也从启动那一刻就生效了。
• ✨ v2.0.0-alpha.21 —— 转写更快,AI 润色可选开启。 ANE 性能问题修复(转写速度回归解决),首次设置流程现在会引导你开启本地 LLM 润色,不用自己去翻设置。
• 🛡️ v2.0.0-alpha.20 —— 不会再卡死了。 录音过程中麦克风变化(比如 AirPods 连接、切换设备),OpenQuack 现在会干净地停止并保留你已经说的内容,而不是卡住。另外还有本地转写润色、应用内模型切换、更快的首次启动。

这是什么

OpenQuack 是一个 macOS 菜单栏小程序。按一下快捷键开口说话,再按一下结束 —— 转写文本就出现在光标位置。能打字的地方,都能说话。

语音识别在你的 Mac 上完成。不上云、不要账号、不用注册、零遥测。

为什么要做

本地。 一切都在你的设备上运行 —— 录音、转写、可选润色。什么都不外传:不传音频、不传文本、零遥测、不用注册。机密内容从设计层面就保持机密。而且因为流程中没有任何 API 调用,所以一直能用 —— 离线、飞机上、企业防火墙后,都不影响。

快。 Whisper 在 Apple Silicon 上的转写速度大约是说话耗时的五分之一。在 M4 / 16 GB 基准机型上,真实人类语音的词错误率约 ~2.6%。多数情况下比打字更快。长录音尤其快:五分钟的录音,停止后约三秒就转写完成,跟时长基本无关,因为我们在你说话的同时就一边切块转写了。完整测试矩阵见 docs/BENCHMARKS.md。

开源。 MIT 许可证。每一行代码都可审计;每一次改动都在公开进行。你菜单栏里跑的版本,就是这个仓库里的版本。

你能得到什么

• 一键听写。 选个快捷键(默认 ⌃⇧Space)。可设为切换式或按住说话。
• 全本地。 语音识别在你 Mac 上跑。听写不需要联网 —— 离线、飞机上、隧道里、企业防火墙后,都能用。不用 API key,没有速率限制,不会服务中断。个人或工作场合,听写体验完全一样。
• 多语种,自动检测真的好用。 Whisper 支持 99 种语言。从 v2.0.0-alpha.17 起,自动检测能准确识别中文、粤语、日语、韩语等等,中英混说也没问题,不用手动切语言。想在很短的片段上再稳一点,也可以在设置里固定语言。
• 自动粘贴到光标位置,适用于任何 app。(也可以回退到剪贴板,自己粘贴。)
• 智能格式化 —— 大写、句末标点、清理 "嗯/呃" 之类的填充词。
• 自定义词典 —— 让它认识你真正在用的专有名词和项目名。
• 本地 LLM 润色(实验性,默认关闭)。 用一个本地小模型再过一遍你的转写,收紧措辞、修正明显的听写错误 —— 全程本地,不联网。默认关闭;可以在首次设置或"设置"里开启,提示词也能自己改。
• 静音自动停止。 你说完了,OpenQuack 自己结束。
• 实时麦克风音量浮层,看得见它正在听。
• 首次启动快速设置 —— 权限、快捷键,一分钟搞定。
• 极小。 8 MB 的菜单栏 app,运行时只占约 120 MB 内存(模型计算交给神经网络引擎),加上首次运行时下载的语音模型。
• 开源, MIT。

隐私,一屏说清

1. 默认什么都不离开你的设备 —— 音频、文本,什么都不传。 录音和转写开箱即用完全本地。唯一的例外:你可以自己配置一个远程转写端点(默认关闭,使用时录音悬浮层会明确显示)。
2. 没有数据分析、没有遥测、不用注册。

完整的隐私契约见 docs/VISION.md。

即将到来

• 上下文感知转写 —— OpenQuack 会读取你即将粘贴位置周围的文本 —— 光标上方那行、你所在的函数、你正在回复的聊天串 —— 把它作为上下文喂给语音模型。专业术语会根据你正在做的事情自动消歧(在终端里, "cloud code" 会被识别成 "Claude Code",而不是反过来)。

功能还在排队,等适配基础打牢再上。想看具体排期见 docs/ROADMAP.md;整体方向见 docs/VISION.md。

安装

brew tap larryxiao/openquack https://github.com/larryxiao/openquack
brew install --cask openquack

或 下载 DMG,拖进 Applications 文件夹。首次启动:右键 → 打开 → 打开(一次性绕过 Gatekeeper)。

macOS 询问时授予 麦克风 权限,在 设置 → 快捷键 里选一个快捷键(默认 ⌃⇧Space)。

想要图文教程? 看 docs/TUTORIAL.md —— 从安装到第一次听写,五分钟。

或者让你的 AI agent 来装

把这段贴给 Claude Code、Codex、opencode、Hermes 或类似工具:

Install OpenQuack on this Mac:

  brew tap larryxiao/openquack https://github.com/larryxiao/openquack
  brew install --cask openquack

(Or grab the DMG from https://github.com/larryxiao/openquack/releases
and drag it into /Applications; first open right-click → Open → Open.)

Then launch /Applications/OpenQuack.app, grant Microphone, and pick a
hotkey in Settings → Shortcut. Default ⌃⇧Space.

更多选项(卸载、源码构建、首次运行下载了什么):见 docs/INSTALL.md。

致谢

OpenQuack 站在了慷慨的开源工作的肩膀上。特别感谢:

• OpenAI Whisper —— 让这一切成为可能的语音模型。
• WhisperKit by Argmax —— Whisper 在 Apple Silicon 上的快速原生实现。
• KeyboardShortcuts by Sindre Sorhus —— 你每天按下的那套快捷键机制。
• voxt —— 一个志同道合的项目,我们在技术层面学到了很多。
• Typeless 和 Wispr Flow —— 闭源应用,但它们证明了语音优先的输入可以多么愉快;我们要做的是同样的体验,以本地、开源的方式。

还有所有提 issue、开 PR、把它推荐给朋友的人:谢谢你们。这只鸭子的每一声叫,都因为你们。

贡献

OpenQuack 是 AI-native 的开源项目 —— 每个 PR 都引用一份 SPEC,原子任务来自路线图,工作流对编程 agent(以及走同一条路的人类)都很友好。

从 AGENTS.md 开始,在 docs/ROADMAP.md 里挑一个 🔵 任务,开一个 draft PR。

技术细节:TUTORIAL · DEVELOPMENT · ARCHITECTURE · BENCHMARKS · DESIGN · INSTALL · BLOG。

许可证

MIT —— 见 LICENSE。

(欢迎通过 PR 或 GitHub Discussions 反馈翻译问题。)