VocoType 是什么
VocoType 是一款面向 Windows 与 macOS 的电脑语音输入法。把光标放在任意输入框,按下全局快捷键说话,识别结果会直接上屏到当前应用,不需要切换窗口,也不需要复制粘贴。语音识别由本机模型完成,声音无需上传云端,断网状态下仍可正常听写。
工作方式
整个使用流程被压缩成三个动作:按住快捷键唤起输入、自然说话、松开后文字进入当前文本框。在文档、聊天窗口、浏览器、邮件和代码编辑器中,使用的都是同一套快捷键,因此不必为不同软件准备不同的输入方式。
核心能力
- 本地离线识别:识别在电脑本地完成,不依赖网络,原始语音不交给云端处理;采用 CPU 推理,无需独立显卡。
- 中英混合输入:中文句子里夹带英文产品名、缩写或技术术语可以直接说,不必手动切换识别语言。
- 替换词典:按“听到什么、输出什么”设置替换规则,让人名、产品名和专业术语按自己的习惯上屏,减少固定术语的重复修改。
- 语气词过滤与 AI 纠错:自动过滤“嗯、啊、呃”等口语填充词;按需开启 AI 后,还能结合上下文纠错,并理解说话过程中的自我修正,例如把“会议放在明天,不对,改到后天下午三点”整理为可直接使用的句子。
- 音视频转文字:支持导入音频或视频文件生成文字稿,适用于会议记录等已有素材的整理。
- 字幕导出:可一键导出带时间轴的 SRT 字幕文件,方便导入主流剪辑软件。
- AI 润色:内置 AI 助手提供润色、纠错与摘要等可选能力,这类网络能力与本地识别相互独立。
- MCP 接口:Claude、Cursor 等 AI 客户端可调用本机 VocoType 完成音视频转录,文件无需上传云端。
适用场景
- 写作与长文输入:把构思直接说成初稿,减少打字带来的停顿。
- 开发者与编码:口述需求、注释和提示词,中英术语混输,保持编码思路连贯。
- 客服快速回复:面对重复咨询,用语音快速组织完整回复,降低高频键盘输入的负担。
- 游戏语音输入:在游戏内快速输入聊天内容,无需频繁切出窗口。
- 学生与学者:用语音记录学习笔记、论文初稿和研究思路。
- 法律与医疗等专业场景:在本地完成识别,结合自定义词典替换行业术语,减少专业文稿中的重复修改。
与云端输入方式的差异
- 隐私:语音在本地模型上处理,不上传云端;云端方案通常需要上传语音数据。
- 网络依赖:日常听写无需联网;云端方案在断网或网络不稳定时无法使用或体验下降。
- 响应:识别在本机完成,不受网速波动影响。
- 定制化:提供自定义词表,可适配人名、产品名、缩写和行业术语;系统自带输入法在这方面的可配置空间较小。
- 资源占用:CPU 推理,无需独立显卡。
系统要求与费用
VocoType 支持 Windows 10 64 位及以上版本,以及 macOS 12 Monterey 及以上版本,两个平台均提供独立安装包。核心语音输入功能对个人用户免费,部分扩展或高级能力可能收费;免费版单个文件的转写时长上限为 10 分钟。下载安装后按引导即可开始使用。


