fn
按住 Fn，说完就上屏
短按开始、再按结束，或者按住说、松开结束。文字直接落在光标所在的输入框，任何应用都能用。
顺口一说，
即刻上屏。
按住 fn 说话，整理好的文字直接落在光标处；按 fn + 左 ⇧ 说中文，出来的是英文。识别默认在本机离线完成。
macOS 13+ Apple 芯片 · 另有 Windows x64 · MIT 许可证 · 基于 Handy
小
官网的首页草稿放群里了，大家看看？
M
动效挺好，下载按钮再显眼一点。
发消息到 #官网改版
演示为脚本回放，不会使用你的麦克风。录音时按 Esc 取消。
Qwen3-ASR 0.6B本地识别推荐SenseVoice本地识别Whisper本地识别阶跃星辰 StepAudio云端识别阿里云百炼 Qwen-ASR云端识别智谱 GLM-ASR云端识别DeepSeek文本模型默认阿里云百炼文本模型OpenAI 兼容接口文本模型Apple Intelligence文本模型
Features
说话的速度，打字的精度
口述、翻译、整理和词典，目的都是让你说完以后，光标处的文字可以直接发出去。
下周一上线，请提前测一下Ships Monday — please test early.
说中文，出来是英文
Fn + 左 Shift 进入翻译。目标语言在悬浮条上随时切换，18 种语言可选；口述中途加上 Shift 也能转成翻译。
不抢焦点的黑色胶囊
录音时屏幕底部只有一个小胶囊：✕ 取消、实时波形、✓ 完成。你正在打字的窗口始终保持焦点。
嗯那个我们明天就是三点开会
口头语自动去掉
文本模型把「嗯、那个、就是」理顺成书面表达，不改变意思。也可以只纠错，或者完全关掉。
deep seek→DeepSeek
专有名词一次教会
把产品名、人名、术语和它们常被听错的样子写进词典。识别后按字面替换，翻译时用固定译法。
本地识别云端识别
本地或云端，自己选
默认用 Qwen3-ASR 在本机离线识别，30 种语言自动判断语种。需要时再切到阶跃星辰、阿里云百炼或智谱的云端识别。
Try it
不用安装，先在网页上点一点
下面是照客户端界面一比一重建的顺口说主窗口，可以切页面、拨开关、改快捷键、下载模型、加词条。
首页
顺口一说，即刻上屏。按住快捷键说话，文字会直接落到光标所在的位置。
本周输入1,813
你的说话速度212字 / 分钟
比打字快430%
语音输入
按下开始和停止语音输入。
翻译
按下开始和停止翻译。
触发方式
短按一次开始、再按一次结束；或按住说话、松开结束。
录音时：按 Esc 或点 ✕ 取消，点 ✓ 结束。先按住 Fn 再按左 Shift，会把正在进行的口述切换为翻译。
Fn 键只在 Apple 键盘上有效。使用第三方键盘时，请改用其他快捷键。
这是用网页重建的客户端界面，所有改动只保存在你的浏览器里。
Privacy
你的声音和文字去了哪儿
下图按三种常见配置，画出哪些数据会离开你的电脑。橙色的线表示数据穿过了网络边界。
- 音频 不出本机
- 文字 识别结果和命中的词条
- 出错时 整理失败就插入识别原文，词典替换已经应用。
Open source
开源，也打算一直开源
从 Handy 分叉而来
顺口说从开源项目 Handy（MIT）分叉。录音、全局热键、不抢焦点的悬浮窗、可靠粘贴和模型管理沿用上游；翻译模式、文本模型整理、词典和云端识别是新加的。
- Tauri 2 + Rust 后端，React 前端
- 本地识别不联网，失败时不会悄悄改用云端
- 在「设置 → 关于」里检查新版本，覆盖安装不用重新授权
# 克隆并在本地运行 $ git clone https://github.com/zuijiaosy/sayso.git $ cd sayso && bun install $ bun run tauri dev # 下载安装包后去掉隔离属性 $ xattr -cr /Applications/Sayso.app
FAQ
常见问题
按 Fn 时会切换输入法或弹出表情面板
打开「系统设置 → 键盘」，把「按下 🌐 键时」改成「不执行任何操作」。顺口说的首页会检测这项设置，不对时会给出提示。
我的声音会上传吗？
默认不会。本地识别用 Qwen3-ASR 0.6B 在本机离线运行，音频不离开这台 Mac。只有在「模型 → 语音识别」里主动切到云端识别时，音频才会上传到你选择的服务商。
本地识别失败时不会悄悄改用云端。
文本模型会拿到什么？
开启口述整理或使用翻译时，识别出的文字和命中的词典词条会发给你配置的文本模型（默认 DeepSeek deepseek-flash，也可以用阿里云百炼或任意 OpenAI 兼容接口）。把口述整理设为「关闭」且不用翻译，文字就不出本机。
不配置 API Key 能用吗？
能。用本地识别并关闭整理，就是完全离线的用法，口述会直接插入识别结果（仍会应用词典替换）。翻译需要文本模型。