OpenWhispr – 开源的AI桌面语音输入工具

OpenWhispr 是一款基于 OpenAI Whisper 开发的开源免费的桌面语音输入工具，支持随时随地用语音快速输入文字，提供本地和云端两种处理模式，既能保护隐私又能追求速度。通过全局快捷键即可启动录音，说完后自动转成文字并粘贴到光标位置的输入框，同时集成了 GPT-5、Claude Opus 4.1、Gemini 2.5 等最新 AI 模型，可以直接语音下达指令让 AI 帮我们处理文字，还提供了可拖动的悬浮面板，不遮挡我们本省的工作区域，所有历史数据存储在本地，隐私安全。

J.Cling 推荐拓展：

主要功能特点

🎤 全局热键 ：可自定义热键，在任何位置启动/停止语音转写（默认：反引号 `）
🤖 多提供商 AI 处理 : 可选择 OpenAI、Anthropic Claude、Google Gemini 或本地模型
🎯 代理命名 : 为您的 AI 助手设置自定义名称，实现自然交互
🧠 最新 AI 模型 (2025 年 9 月):
- OpenAI: GPT-5 系列、GPT-4.1 系列、o 系列推理模型（o3/o4-mini）
- Anthropic: Claude Opus 4.1, Claude Sonnet 4, Claude 3.5 Sonnet/Haiku
- Google: Gemini 2.5 Pro/Flash/Flash-Lite 具备思考能力, Gemini 2.0 Flash
- 本地 : Qwen, LLaMA, Mistral 模型通过 llama.cpp
🔒 隐私优先 : 本地处理确保您的语音数据完全私密
🎨 现代 UI: 使用 React 19、TypeScript 和 Tailwind CSS v4 构建
🚀 快速 : 使用 Vite 和现代工具优化
📱 控制面板 : 管理设置、查看历史记录、配置 API 密钥
🗄️ 转录历史 : SQLite 数据库在本地存储所有转录内容
🔧 模型管理 : 下载和管理本地 Whisper 模型（tiny、base、small、medium、large、turbo）
🧹 模型清理 : 一键删除缓存的 Whisper 模型，并使用卸载钩子保持磁盘整洁
🌐 跨平台 : 支持 macOS、Windows 和 Linux
⚡ 自动粘贴 : 识别的文本自动粘贴到您的光标位置
🖱️ 可拖动界面 : 将语音输入面板移动到屏幕上的任何位置
🔄 OpenAI 响应 API: 使用最新的响应 API 以提升性能
🌐 地球键切换 (macOS): 可选的 Fn/地球键监听器，用于硬件级别的语音输入触发

官方使用说明

基本听写

启动应用 – 一个可拖动的小面板会出现在你的屏幕上
按下你的热键 （默认：反引号 `）- 开始听写（面板显示录音动画）
再次按下热键 – 停止听写并开始转录（面板显示处理动画）
文本出现 – 转录的文本将自动粘贴到您的光标位置
拖动面板 – 点击并拖动以将听写面板移动到屏幕上的任何位置

控制面板

访问 : 右键点击托盘图标（macOS）或通过系统菜单
设置 : 选择本地或云端处理
历史 : 查看、复制和删除过去的转录内容
模型 : 下载和管理本地 Whisper 模型
存储清理 : 从缓存中删除下载的 Whisper 模型以释放空间
设置 : 配置 API 密钥，自定义热键，和管理权限

卸载 & 缓存清理

应用内 : 使用 设置 → 语音转文本处理 → 本地模型存储 → 删除已下载模型 来清除 ~/.cache/openwhispr/models (或 Windows 上的 %USERPROFILE%\.cache\openwhispr\models )。
Windows 卸载 : NSIS 卸载程序会自动删除相同的缓存目录。
Linux 软件包 : deb/rpm 卸载后脚本也会移除缓存模型。
macOS: 如果手动卸载，可选择删除 ~/Library/Caches 或 ~/.cache/openwhispr/models。

代理命名 & AI 处理

设置好代理名称后，您可以使用多个 AI 提供商与其交互：

🎯 代理指令 （用于 AI 辅助）：

“嘿[代理名]，让它更专业”
“嘿 [AgentName]，将这个格式化为列表”
“嘿 [AgentName]，写一封感谢邮件”
“嘿 [AgentName]，将这个转换为项目符号”

🤖 AI 提供商选项 ：

OpenAI:
- GPT-5 系列（Nano/Mini/全尺寸）- 最新一代，具备深度推理能力
- GPT-4.1 系列 – 增强编码能力，支持 1M token 上下文
- o3/o4 系列 – 高级推理模型，具备更长的思考能力
Anthropic: Claude Opus 4.1, Sonnet 4 – 前沿智能模型
Google: Gemini 2.5 Pro/Flash – 高级多模态功能
本地 : 社区模型，完全保护隐私

📝 普通语音转文字 (用于普通文本):

“这只是我想转写的普通文本”
会议记录：约翰提到了季度报告
亲爱的莎拉，感谢你的帮助

AI 会自动检测你是下达指令还是进行普通文本输入，并从最终输出中移除代理名称的引用。

处理选项

本地处理 :
- 通过控制面板自动安装 Whisper
- 下载模型：tiny（最快）、base（推荐）、small、medium、large（最佳质量）
- 完全隐私 – 音频不会离开您的设备
云端处理 :
- 需要 OpenAI API 密钥
- 处理速度更快
- 使用 OpenAI 的 Whisper API