我做了一个开源AI语音输入法——SayIt

在日常与AI助手交互的过程中，输入大段文字往往是最耗时的环节。相比键盘输入，语音输入的速度优势显而易见——说话的速度远快于打字，但传统的语音输入在准确率、断句、标点等方面仍存在明显不足。近日，一款名为SayIt的开源AI语音输入法引起了关注，它不仅能精准识别语音，还能利用AI对转录文本进行智能整理，为用户提供“说完即所得”的体验。

三种识别模式灵活切换

SayIt的核心功能分为两个层次：语音转录与AI文本整理。在语音转录环节，该工具支持三种识别模式，以满足不同用户在准确度、响应速度和隐私保护方面的差异化需求。

AI文本整理：从杂乱口述到精炼表达

默认的服务器模式开箱即用，音频上传至开发者部署的识别服务器进行处理，配合AI整理功能可输出结构化文本。该模式强调不保存用户音频和文本数据，且前后端代码完全开源，用户可自行审计。 本地模式则完全将音频处理限制在本地设备，通过下载小型识别模型实现离线运行。虽然准确度略逊于云端方案，但极大保障了数据隐私，适合对安全性要求较高的场景。 追求最佳识别效果的推荐使用豆包语音识别服务，配合官方教程获取应用ID和Access Token后即可启用。

跨场景适配与扩展能力

SayIt的AI整理功能是其核心亮点。以一段典型的口述为例：“今天下午3点钟，不对，换成5点钟，提醒我买3种水果，香蕉、梨子和桃子，不对，不是桃子，是火龙果。”经AI整理后，输出结果为：“今天下午五点钟，提醒我买三种水果：香蕉、梨子和火龙果。”系统自动修正了时间、删除了重复内容并规范了数量词的表达。 该工具提供两种整理策略：默认的“智能整理”模式会优化文本条理，使输出更加简洁规范；而“忠实校对”模式则更贴近原始口述，仅修正错别字和语气词（如“嗯、呃、啊”等），适合需要保留原汁原味表达的场景。

SayIt的另一大特色是其灵活的规则自定义机制。用户不仅可以使用内置的多种整理规则，还能根据具体应用场景创建个性化规则。例如，可以设置输入中文时自动输出英文翻译，这一功能对于需要频繁使用英文表达的用户尤为实用。 此外，光标定位在不同应用程序中时，可自动应用预设的指定规则，实现跨场景的无缝切换。AI供应商配置方面，默认推荐使用DeepSeek-V4-Flash模型，同时兼容其他主流大模型，用户可根据需求自由切换。

如有侵权，请联系删除。