北京
分享至
试过一圈听写工具之后，最让人别扭的一点是：音频几乎都被送到某家公司的云端。所以当 Inaudio 这个把全部处理放在本地的小型桌面应用出现时，值得拿出来说一说。
用法很直接：按一个键盘快捷键，开口说话，文字就出来了。它还会保留一份可搜索的听写历史，昨天说过的那一句话，回头能翻出来。
反过来也成立。把文字粘贴进来，或者复制点什么东西到剪贴板，它就用设备端的语音合成念给你听。校对自家稿子时特别好用——句子读起来别扭，耳朵比眼睛发现得快。
技术栈是 Electron、React、TypeScript，语音部分交给 sherpa-onnx。模型下载一次，之后所有运算都跑在本机 CPU 上。其中一个可选模型是英伟达的 Nemotron 流式 ASR 模型，面向英文，延迟调到了约 560 毫秒。
功能清单大致是这样：
- 快捷键听写，并保留可搜索的转写历史；
- 把电脑正在播放的声音（会议、视频）边听边转写，灰色临时文本跟着语音走，还有一个小浮窗不用打开 Inaudio 就能看转写；
- 音源可选系统音频、系统音频加麦克风，或某个指定音频设备（比如虚拟声卡）；
- 设备端降噪：语音检测会跳过没人说话的片段，另有一个可选的语音清理模型过滤背景噪声；
- 用设备端语音合成朗读文本或剪贴板内容。
它完美吗？不完美。这是一个全新项目，星标只有寥寥几个，粗糙的地方在所难免。文本插入和权限表现在 Windows、macOS、Linux 上各不相同。
但如果想要不订阅的私密听写，它值得一试。项目还小的时候进去贡献，时机确实不错。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
