Saymore:口述整理后落到任意输入框

简介: Saymore 是 Windows 本地中文语音输入与口述整理工具,支持识别→整理→落字全流程:开口即转文字,自动去除“嗯”“那个”,按轻度/深度/邮件/00后风格智能润色,并直输当前光标处;唤醒词+语音命令全程免键盘。需首次下载1.5GB模型。(239字)

我是 Saymore 的作者。做这个项目的原因不复杂:我说话比打字快,但说出来的内容没法直接用。脑子里想的是完整句子,落到键盘上要一个字一个字敲;换成语音,屏幕上又会留下"嗯""那个""就是说"和半句改口。清理这些碎片的时间,往往比重新打一遍还长。

所以我想要的不是"把声音变成文字",而是一条能走完的路径:开口、识别、整理、落到光标处,中间不用再做搬运和删改。Saymore 就沿着这条路径做,定位是 Windows 上的本地中文语音输入与口述整理工具。

一段口述要经过几段,才算真的能用

口语和书面语之间隔着几件事:填充词、重复词、说到一半改口、缺少标点和断句。只做识别,这些都会原样留在输入框里。Saymore 的做法是在识别之后加一道整理,再把结果写进当前光标位置。

这里有个取舍:识别、整理、术语和历史热词都在本机跑,不是把你说的话传到远端再返回结果。代价是首次使用需要联网下载约 1.5 GB 的模型,之后就在本机运行。

整理这一段:四种方式对应四类场合

整理方式是可选的,不同的选择决定文字最后长什么样。

轻度整理只做减法:去掉口水词和重复词,纠错补标点,尽量保留你原本的说话节奏。适合即时消息、评论、聊天这类不需要太正式的地方。比如口述:"那个,这个接口的返回,呃,我看了,好像,那个,字段少了一个。"轻度整理后大致是:"这个接口的返回我看了,好像字段少了一个。"口语的松弛感还在,但碍眼的碎片没了。

深度整理换的是表达方式,把口语收成书面语,适合写文档、说明和总结。同一句话,深度整理后可能变成:"查看后发现,该接口的返回结果中缺少一个字段。"它会把"然后""就是说"这类连接词压掉,把松散的句子收拢。这里有个容易被忽略的细节:整理是按整段做的,不是逐句改完再拼回去。前后语气和断句能保持一致,段落才立得住。

邮件整理是单独的一类场景。把光标放进邮件正文框,口述:"嗯,张工,那个,部署文档我更新了,然后,麻烦你有空看一眼,有问题周五前告诉我,谢谢。"整理后会更接近邮件正文的样子,口水词被去掉,标点和收尾结构补上。适合不想打字但要写工作邮件的人。

此外还有 00 后风格整理,以及本机运行的术语和历史热词。这两项与本文主题关系不大,这里不展开。

落字这一段:光标在哪,就在哪说

很多语音工具的问题不在识别,而在落点:转写完的文字躺在自己的窗口里,你还得复制、切回去、粘贴。

Saymore 走的是另一条路。把光标点进任意输入框,直接说话,整理后的结果落在光标处,不用在两个窗口之间切换。浏览器里的在线文档、团队的即时通讯窗口、笔记软件、代码编辑器里的对话框,都是同一个动作:注意力留在当前应用,输入交给说话。

开发场景也一样。在编辑器里给 AI 编程助手提需求,把光标放进它的输入框,口述:"帮我写个函数,输入是用户 ID 列表,返回去重结果,然后按字母排序。"整理后落进去,再交给助手。省下的不是识别那一步,而是"说完还要手动删口头禅、顺手改语序"的那一步。

少碰键盘这一段:唤醒词加语音命令

如果每次都要按快捷键,键盘其实没被放下。Saymore 可以常驻后台,听到唤醒词才开始录音,默认唤醒词是"小咪",可以改。平时它只在后台等着,不会一直收音。

再往后是语音命令:说"发送"执行落字,说"回退"删词,说"清空"清屏,说"休眠"下线。这几条命令和唤醒词连起来,才是一条不碰键盘的完整流程——用说话开始,用说话输入,用说话控制输入框里的动作,最后用说话结束。

比如一段话说完了发现措辞不对,说"回退"删掉重说;想整段作废,说"清空";暂时不用了,说"休眠"。这些都是输入过程中很自然的动作,用嘴说比伸手找键更顺。

和别的做法比,差别在哪

系统自带的语音输入、各类语音输入法、专门的转写工具,都在解决声音到文字的某一段。有的听写准确度高,有的转写长音频更强,有的和操作系统结合得更紧。

Saymore 的区别只在流程衔接上:识别之后立刻整理,整理之后直接落到当前光标,整理方式可以按聊天、文档、邮件切换,还能用唤醒词和语音命令减少按键。它不是会议转写工具,也不是手机输入法。选哪个,取决于你更在意流程里的哪一段。

已知限制,以及不适合的人

先把限制讲清楚:

  • 目前仅支持 Windows,具体是 Windows 10/11 x64;
  • 首次使用需联网下载约 1.5 GB 模型;
  • 安装包未签名,Windows 可能弹出安全提示;
  • 普通 CPU 可以运行,有 4 GB 显存 GPU 可以加速。

不适合的人也很明确:主要用 macOS 或 Linux 的人;希望装完即用、不想等模型下载的人;对未签名安装包比较敏感的人;只需要手机端语音输入的人。如果你只是偶尔听写一次,也不介意手动删几个"嗯、那个",系统自带的工具可能就够用。

代码和下载

项目是开源的,仓库在 https://github.com/frankzch/Saymore ,安装包在 https://github.com/frankzch/Saymore/releases 。有反馈或想改唤醒词、整理方式这类设置,可以到仓库里提。

利益相关:作者参与 Saymore 项目。

目录
相关文章
|
18天前
|
人工智能 语音技术 iOS开发
中文语音输入怎么选:五款工具同维度横评
从识别路线、处理位置、整理强度、开源与否和 Windows 支持五个维度,横向对照 Typeless、Wispr Flow、微信输入法、OpenWispr 与 Saymore 五款中文语音输入工具。文章先划两条线:口述内容能否上传云端、整理要做到几成,再逐项对比各家是云端 ASR 还是本地模型、音频处理位置、去口水词与润色改写的强度、开源与使用量限制以及 Windows 客户端情况,并按写文档、写邮件、纯输入、自建等场景给出选择建议。
150 1
|
24天前
|
人工智能 语音技术 Windows
中文语音输入怎么选:四款工具横评
本文从平台覆盖、识别位置、中文识别方式、免费与准备成本、口述整理强度、自动标点、适合场景等维度,对比 Typeless、微信输入法、OpenWispr 与 Saymore。Typeless 偏云端 AI 听写,多平台使用,适合中英混说;微信输入法免费、生态多端,适合日常短句和快速转写;OpenWispr 开源本地,需自备模型与算力;Saymore 面向 Windows 10/11 x64,本机运行,使用本地 Qwen3-ASR 并支持术语和历史热词,首次需下载约 1.5 GB 模型。隐私敏感优先本地方案,跨设备省心可选云端;结论按场景给选型参考。
200 0
|
27天前
|
人工智能 语音技术 异构计算
Windows 中文语音输入怎么选:六款工具横评
把 Saymore、Typeless、微信输入法、OpenWispr、Handy、Windows 语音访问六款工具,放在免费开源、离线程度、中文识别、文本整理四个维度下逐项对比。Saymore 免费开源、离线程度高,识别、整理、热词均在本机运行,支持轻度、深度、邮件等整理方式;Typeless 闭源,音频云端处理,AI 润色与结构化较强;微信输入法闭源,语音通常联网,中文聊天输入顺手,文本整理偏轻量;OpenWispr 开源,基于 Whisper 类模型本地运行,需自行配置,中文转写后常需调整。文章最后按断网、隐私、中文口述、文本整理等场景给出选型建议。
173 0
|
2月前
|
运维 物联网 语音技术
复用 Qwen3-ASR 的解码器做口述整理:一个 1.7B LoRA 的训练记录
Saymore开源项目创新性地复用Qwen3-ASR-1.7B解码器(本身是语言模型),通过单LoRA实现语音识别后的轻度/深度/邮件/00后四风格文本整理,显存仅需4GB或纯CPU运行。方案兼顾效率、隐私与部署简洁性,已MIT协议开源。(239字)
292 1
|
29天前
|
人工智能 自然语言处理 API
EmbeddingGemma 2:740M 多模态嵌入怎么跑离线 RAG
EmbeddingGemma 2 是 Google DeepMind 发布的 740M 开放权重嵌入模型。本文拆解它的模块化编码器:文本与代码 270M、视觉 +170M、音频 +300M,四档参数落在同一个 768 维向量空间,扩模态不必重建向量库;并说明 MRL 截断到 512/256/128 维时的质量取舍(256 维时图像、视频、语音约保留 95%)、截断后需重新做 L2 归一化,以及把检索链路整体塞进手机、笔记本或浏览器、不经过网络请求相比云端嵌入 API 的取舍。
270 0
|
2月前
|
人工智能 Kubernetes 调度
把 Agent 当集群负载:拆解 Google AX 与 Substrate
Google于2026年5月开源Agent Substrate与AX:前者是基于K8s的高密度Agent运行底座,支持亚秒级挂起/恢复与30倍资源超售;后者是其上层任务编排层,专注声明式调度与状态审计。二者共同构建面向有状态、突发性AI Agent的云原生基础设施,非SDK,而是“Agent的操作系统”。
280 0
|
1月前
|
人工智能 自然语言处理 数据挖掘
阿里云千问办公企业版购买流程:填写组织名称、管理员手机号、企业邮箱获取组织ID,并下单全流程
千问办公(QwenWork)是阿里推出的AI智能办公平台,支持自然语言驱动的数据分析、PPT生成、视频剪辑、网页搭建等,直接输出可用成果。企业版含席位与积分包(需绑定有效席位),提供完整购买与管理流程。(239字)
209 2
|
1月前
|
人工智能 安全
装修公司老板裁光员工利润反涨30%:装修设计行业OPC案例深度拆解
本文是「OPC一人公司通关手册」第23篇,深度拆解一位装修设计师转型AI驱动一人公司的实战案例:十年经验者裁掉7名员工,专注纯设计,借AI实现获客、谈单、交付、沉淀全链路提效——效率↑40%,利润↑20%-30%,早九晚六轻松运转。核心不在AI,而在狠砍施工、材料、售后三座成本大山,重构轻资产盈利结构。(239字)
|
1月前
|
运维 网络协议 关系型数据库
【新手入门】超全Windows终端CMD常用指令大全(附代码实例+避坑指南)
本文为Windows新手打造了一份超实用的CMD终端指令手册,涵盖文件管理、网络排查、系统运维等高频场景。文章清晰区分CMD与PowerShell的适用场景,提供3种终端打开方式,并分类整理核心指令:①文件操作(dir/cd/copy/del等);②网络命令(ipconfig/ping/tracert);③系统工具(tasklist/shutdown等)。每项指令均附实例和避坑提示,特别强调危险操作如rd/s/q的慎用原则。文末还分享了Tab补全、方向键复用等效率技巧,帮助零基础用户快速掌握
1097 0