douvo

Douvo是一款轻量级的macOS语音输入应用，专为运行macOS 14.0或更高版本的Apple Silicon Mac设计。它采用豆包ASR（自动语音识别）作为主要的语音转文本引擎，并可选AI后处理功能，在插入文本前对转录内容进行清理。 该应用以菜单栏工具的形式运行，并带有浮动录音覆盖层。用户按下可配置的触发键开始录音，说话，然后再次按下停止并在任意应用的当前光标位置插入识别出的文本。还支持按住说话模式。 Douvo支持三种ASR路径：豆包网页版、豆包安卓版和有道巴别说。可以同时选择多个路径并行运行，结果通过AI后处理合并。默认路径为网页版。 主要功能包括： - 通过短按或按住说话录音，在任何应用中听写 - 可选的AI后处理，用于修正措辞、标点、填充词、语气和输出风格 - 对选中文本（最多500个字符）进行语音驱动编辑 - 按需翻译，配有可配置的翻译键 - 自定义词汇和上下文注入（项目术语、路径、名称、用户身份、当前时间、最前端应用、窗口标题） - 可选择设备上的本地MLX模型或远程LLM提供商 - 菜单栏界面、浮动录音覆盖层、外观切换、剪贴板感知插入和本地诊断 对于AI后处理，Douvo提供本地模型，包括Superwhisper的S1-mini（仅英文，335 MB）、Spark-X2.5 1.7B和4B（中文纠错和推理），或远程LLM提供商。输出风格包括自然、简洁、结构化以及可调风格强度的自定义。 该应用需要麦克风和辅助功能权限。它通过GitHub Releases以DMG格式分发，或通过Homebrew Cask安装。当前构建未经过公证，因此macOS在首次启动时可能需要手动移除隔离属性。 Douvo专为混合中英文输入工作流而设计，在这些场景中主流本地语音模型在识别质量上存在不足。它将强大的豆包ASR路径封装为与具体应用无关的语音输入工具，并提供后处理、词汇、翻译、选中文本编辑、剪贴板感知插入和本地诊断功能。 该项目依赖于对豆包和有道巴别说客户端行为的观察，并非任一服务的官方API、SDK或集成。用户需要拥有有效的豆包账户并自行登录。用于识别的音频由豆包服务处理。 该项目以MIT许可证发布。