在 Mac 上用说话代替打字的中文输入法（type4me）

在 Mac 上把想法变成屏幕上的文字，除了键盘还有一条路：说话。type4me 覆盖这条路上的整串环节，麦克风拾音、语音识别、按需的大模型整理，最后把结果写进当前接收键盘事件的位置。识别引擎与文本处理引擎被拆成两段可替换的部件，前者决定听清到什么程度，后者决定输出长什么样。

type4me 是用 Swift 写的 macOS 语音输入法：输入麦克风语音，输出整理后落到当前光标位置的文字，也能执行常见系统操作，识别可选云端或本地引擎。

它面向每天要打大量中文的 Mac 用户，写消息、写邮件、写文档、写需求和 Issue 的人都在其中。新安装默认给 8 种模式，快速模式只做转写，智能感知把口述整理成更像打出来的句子，翻译模式边说边出目标语言，随便问和 Mac 操作把语音当指令用。官方提供云端版与本地版两个安装包，两者共享配置文件，可以随时替换安装。

五分钟先跑通

系统要求 macOS 14（Sonoma）或更高。仓库地址是 https://github.com/joewongjc/type4me，采用 MIT License，主要语言是 Swift。截至 2026 年 10 月初的仓库数据是 1475 star、177 fork、15 个开放 Issue。

官方只提供 DMG 安装包，README 里没有命令行安装或从源码编译的步骤。两个版本共用一套配置文件，装了哪个都能换成另一个。

https://github.com/joewongjc/type4me/releases/download/v2.10.0/Type4Me-v2.10.0-cloud.dmg
https://github.com/joewongjc/type4me/releases/download/v2.10.0/Type4Me-v2.10.0-local-apple-silicon.dmg

云端版约 10MB，Intel 与 Apple Silicon 都能装，语音识别和大模型都要自己填 API Key。本地版约 700MB，只支持 Apple Silicon，内嵌 SenseVoice 与 Qwen3-ASR 两个本地识别引擎，官方给出的内存占用约 8GB，建议机器有 32GB 以上内存；大模型那一段仍然要配 API Key，或者接本地的 Ollama。

装完是两步引导：欢迎与权限。权限涉及麦克风和辅助功能，后者用于把文字写进其他应用。这一步在「设置 → 系统权限 → 设置引导」里可以重看，中英文切换即时生效。

最短的可用路径是这样：授权完成后，默认快捷键 Fn 对应快速模式，按住说话、松手出字，这个过程不经过大模型，延迟最低，适合先确认识别链路通不通。出字正常之后再去配置服务商。

跑通之后你会得到什么

松开快捷键之后，识别结果会落到录音结束时正在接收键盘事件的位置。终端、自定义渲染编辑器这类对辅助功能支持不完整的窗口也能写进去，这是 v2.8.0 加入的当前键盘焦点输入。

菜单栏有一个控制中心，能看运行状态，切换模式、麦克风、ASR 引擎、LLM 处理引擎与翻译目标语言，也能直接发起录音、打开历史、改口、权限和更新。

首页集中显示输入时长、字数、效率和一个活跃热力图。历史页分成三段视图：听写记录、语音引擎和大模型用量，用量视图里有 Token、预估费用、请求成功率与耗时。

接下来能调的东西有三类：给每个模式绑快捷键、把专有名词加进热词与映射词、按需打开 Intelli Sense 的场景感知。这些都走设置界面，不需要手改配置文件。

主要功能

• 8 种默认模式。快速模式 Fn，纯转写不过 LLM；智能感知 Fn + Control 或 Option + 1；翻译模式 Fn + Shift 或 Option + 2；随便问 Fn + Space 或 Option + 3；Mac 操作 Option + 4；语音润色 Option + 5；Prompt 优化与代办模式默认未绑定快捷键。所有快捷键都能改。
• 云端与本地两套识别。云端支持 15 家语音识别服务商，覆盖实时与批量识别，可按服务选择模型或区域。本地引擎是 SenseVoice 做流式识别、Qwen3-ASR 做校准。v2.10.0 新增小米 MiMo 文本处理服务、百炼 Qwen-Audio 3.1 流式识别，以及 StepFun 的中国区与全球区选择。
• Intelli Sense。按当前 App、输入控件和有限的上下文润色文字，也可以学习稳定的纠错、表达和列表结构偏好。应用感知、上下文感知、表达习惯学习可以单独开关，默认不会静默学习。
• 随便问。选中屏幕上的文字后按快捷键，用语音提问，选中的内容与问题一起交给模型，答案在独立窗口返回。连续追问会保留上下文，会话保存到历史，可以搜索、恢复、重命名或删除。
• 语音改口。刚打出的文字有错或想换说法，按快捷键说出修改指令，做精准替换或局部微调，支持一键撤销。
• 词汇管理。热词用来校正语音识别引擎，映射词作为兜底或个性化场景，例如把 Web coding 映射成 Vibe Coding，把「我的邮箱地址」映射成具体邮箱。官方另有一个词库管理 Skill，装好后可以直接对 agent 说某个词不要识别错，由它去维护热词与映射词。
• 历史与用量看板。听写记录、语音引擎和大模型用量在同一个历史页里切换，可以看 Token、预估费用、请求成功率与耗时、每日趋势、模型与场景汇总以及逐条请求明细，旧的 LLM 历史会自动估算补全。
• URL Scheme。可以从 Stream Deck、快捷指令、Raycast / Alfred、终端、浏览器或脚本直接控制录音的开始、结束和切换，也能打开设置、管理词库、静默写入热词和片段替换规则。后台调用不抢前台焦点，注入目标无法确认时会把文本保留到剪贴板。

常用参数与配置

快捷键相关：一个模式可以绑定多个全局快捷键，每个快捷键独立设为按住说话或点按开关，冲突处理与模式设置一致。用快捷键结束录音时，可以在外观设置里隐藏紧凑录音条上的停止按钮。

服务商相关：设置页用统一的主从界面管理服务商、配置状态、凭证、连接测试和默认引擎，本地 Ollama 也在其中。翻译模式自动识别口述语言，可选 18 种目标语言，新安装默认是英语，输出语言不符时会自动校验并重试。

模型选择上，README 明确建议不要用思考模式，选轻量模型，作者自己用的是 Seed-2.0-lite，并提到 Minimax M2.7 无法关闭思考，处理时间会非常长。

本地引擎的内存数字也在 README 里：SenseVoice 用于流式识别，约 2GB 内存占用；Qwen3-ASR 做校准，约 8GB。可以只开其中一个，但作者说体验不佳。

热词有一条硬限制：Deepgram 的热词会自动截取前 30 个。备份方面，程序每天为历史、模式、词汇、快捷键和配置创建本地快照，最多保留七份。

成本上作者给过一个参考：他高强度使用说了 5 万字，约 5 小时，对应 5 元人民币；豆包语音注册送 40 小时。这是他自己的使用情况，不代表所有人的账单。

结果在哪里看

最直接的一处是当前光标位置。识别结束、文本处理完成后，结果会粘贴到当时接收键盘事件的地方。

首页与历史页是第二处。首页有输入时长、字数、效率与活跃热力图；历史页里能逐条回看听写记录，也能按语音引擎和大模型分别看用量明细。随便问的会话同样存在历史里。

第三处是备份目录。程序每天生成一份本地快照，可以在设置里查看最新备份，并直接在 Finder 中打开备份文件夹，仓库里没有给出这个文件夹的具体路径。

本地版与云端版的历史、词汇、配置都落在本机，大模型那一段的文本会按你选择的服务商发出。

实际使用中的坑

仓库的 Issue 里有一批很典型的反馈，下面四条都已被标记为已解决，写出来是让你知道这类问题出现过。

• 装完看不到应用：M 系列芯片配 macOS 26.4，装上最新版后菜单栏显示了应用，却打不开设置页。这条讨论最多，16 条评论，状态已解决。
• 英语输入几乎不可用：用户试了三种本地模型，英文输入结果是乱的，问能不能加纯英语模型，8 条评论，已解决。README 里也承认 SenseVoice 中文不错、英文单词十分拉垮。
• ESC 取消后仍在润色：按 ESC 打断录音之后程序还在跑后续处理，用户希望 ESC 直接结束任务、不做 ASR 和 LLM，8 条评论，已解决。
• 云端润色慢：短句约 10 个字要 3 秒才润色完，长句子更久，用户用的是推荐配置里的火山引擎，7 条评论。README 对此的建议同样是不要用思考模式、换轻量模型。

另外还有一类反馈是本地引擎点击启动后 loading 一下又显示未启动，涉及 Qwen3-ASR 与 SenseVoice，也已在后续版本里解决。

选型参考

这三个项目不在同一层。雾凇拼音解决的是键盘输入的候选质量问题，不联网、不需要密钥、也不常驻大内存进程；type4me 解决的是把语音变成可交付文字，代价是要配置服务商，云端版依赖网络，本地版吃内存。如果你的输入以键盘为主、只是嫌候选不准，先看雾凇拼音；只有在多个应用里反复口述长段内容时，type4me 的整理能力才用得出来。第三行只是给中文工具选型的一个参照。

什么情况下别用它

只用 Windows 或 Linux 的话，这个项目帮不上忙，两个安装包都是 macOS 的 DMG。

不想配置任何大模型 API Key，也不打算在本地跑 Ollama，那只能用快速模式那一条链路。本地识别引擎解决的是听清的问题，不解决整理的问题。

Mac 内存吃紧又要用本地识别，这条路走不通。官方给出的占用是约 8GB，建议 32GB 以上。

输入以英文为主也不必选它。本地引擎的英文表现被作者自己点名为拉垮，云端服务商里哪家英语识别更合适，仓库没有给出推荐配置。

对音频和文本外发敏感的场景要谨慎。历史和配置落在本机，但语音识别与大模型处理都可能调用第三方服务，除非全程走本地引擎加本地 Ollama。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.5 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。