应用介绍
< #语音听写 #语音转文字 #本地运行 #隐私保护 #macOS #开发者工具 #开源软件
OpenStream 是一个面向开发者的 macOS 语音听写工具，用法只有一个动作：按住快捷键说话，松开就完成输入，文字直接出现在光标所在的位置。转写全程在本机的神经网络引擎上完成，不需要注册账号，也没有订阅，语音数据不会离开你的 Mac。
它对开发者的照顾体现在细节上：说「新段落」之前，程序会先判断你正处在哪个应用里，免得一个口述的换行把终端里没写完的命令直接回车执行，或者把没写完的消息发出去。文本整理也刻意不交给大模型——作者用确定性的规则引擎处理标点和格式，并把这个决定写进了架构决策记录，理由是不希望模型擅自改写你说过的话。目前是 beta 阶段，需要 Apple Silicon 芯片和 macOS 14 以上系统，MIT 协议。
按住说话：按住快捷键开始录音，松开即结束并把结果注入当前输入框，不用切窗口、不用复制粘贴，写代码、写文档、回消息都是同一个动作。
完全本地转写：使用 NVIDIA 的 Parakeet 模型，通过 FluidAudio 跑在苹果的神经网络引擎上，模型常驻内存以减少延迟，首次启动时下载约 470MB 模型文件，之后无需联网。
规则引擎整理文本：标点和格式由确定性规则处理而不是交给大模型改写，保证输出的还是你说的那句话。
智能分段：长段口述时由一个本地小模型判断段落该断在哪里，它只返回句子编号，永远不返回文本内容，不参与改写。
换行前先看场景：执行口述的换行动作之前会检查当前所在应用，避免在终端或聊天窗口里误触发提交。
进程隔离设计：快捷键监听和文本注入拆成两个独立的 Swift 进程，即使辅助功能调用卡死，快捷键本身也不会跟着失效。
免费无账号：对标需要订阅和登录的同类商业工具，这个是免费的，不需要注册，也没有服务端。
源码构建为主：推荐 git clone 后 npm install 再 npm start，安装过程会编译三个 Swift 辅助程序；发布页有未签名的 DMG，但会被 Gatekeeper 拦下。首次运行需要授予麦克风、输入监控和辅助功能三项权限，缺哪项程序会提示。
开源项目：项目源码托管在 GitHub，方便开发者查看实现方式、参与开发，或者根据自己的需求进行二次定制。
OpenStream 是一个面向开发者的 macOS 语音听写工具，用法只有一个动作：按住快捷键说话，松开就完成输入，文字直接出现在光标所在的位置。转写全程在本机的神经网络引擎上完成，不需要注册账号，也没有订阅，语音数据不会离开你的 Mac。
它对开发者的照顾体现在细节上：说「新段落」之前，程序会先判断你正处在哪个应用里，免得一个口述的换行把终端里没写完的命令直接回车执行，或者把没写完的消息发出去。文本整理也刻意不交给大模型——作者用确定性的规则引擎处理标点和格式，并把这个决定写进了架构决策记录，理由是不希望模型擅自改写你说过的话。目前是 beta 阶段，需要 Apple Silicon 芯片和 macOS 14 以上系统，MIT 协议。
软件功能
按住说话：按住快捷键开始录音，松开即结束并把结果注入当前输入框，不用切窗口、不用复制粘贴，写代码、写文档、回消息都是同一个动作。
完全本地转写：使用 NVIDIA 的 Parakeet 模型，通过 FluidAudio 跑在苹果的神经网络引擎上，模型常驻内存以减少延迟，首次启动时下载约 470MB 模型文件，之后无需联网。
规则引擎整理文本：标点和格式由确定性规则处理而不是交给大模型改写，保证输出的还是你说的那句话。
智能分段：长段口述时由一个本地小模型判断段落该断在哪里，它只返回句子编号，永远不返回文本内容，不参与改写。
换行前先看场景：执行口述的换行动作之前会检查当前所在应用，避免在终端或聊天窗口里误触发提交。
进程隔离设计：快捷键监听和文本注入拆成两个独立的 Swift 进程，即使辅助功能调用卡死，快捷键本身也不会跟着失效。
免费无账号：对标需要订阅和登录的同类商业工具，这个是免费的，不需要注册，也没有服务端。
源码构建为主：推荐 git clone 后 npm install 再 npm start，安装过程会编译三个 Swift 辅助程序；发布页有未签名的 DMG，但会被 Gatekeeper 拦下。首次运行需要授予麦克风、输入监控和辅助功能三项权限，缺哪项程序会提示。
开源项目：项目源码托管在 GitHub，方便开发者查看实现方式、参与开发，或者根据自己的需求进行二次定制。
