Szept：macOS 语音与截图工具，可一键交接给 AI 编程代理

Show HN 上出现了一款名为 Szept 的 macOS 端轻量应用，主打「按住 fn 说话就能把文字送到光标位置，并把截图一起发给 AI 编程代理」。它围绕 Claude Code、Cursor、Codex 等目前主流的 AI 编码工具设计，把语音、截图、录屏和消息交接这四件事拼成一条链路，强调不依赖本地语音模型、体积小、耗电低。

四大功能：听写、截图、录屏、交接

Szept 的核心操作几乎都通过两个快捷键完成：按住 fn 说话，按 ⌘ ⇧ A 截图。其他功能则藏在配套菜单里。

• 语音听写：按住 fn 说话，松开后文字直接输入到任意应用。按 Esc 可丢弃本次内容。
• AI 清理：在 fn 之外再加 ⌘ 触发，能去掉语气词、重复与试错句，并根据目标应用调整格式——邮件会自动分段并套用预设签名，Slack 消息保持一行，终端则按命令原样输入。
• 截图与标注：按 ⌘ ⇧ A 冻结屏幕，可选窗口或拖框区域，支持标注、模糊、固定置顶、OCR、QR 码识别和翻译，并提供 Scrollshot 长截屏。
• 录屏：按 ⌥ ⇧ R 录制指定区域或全屏，支持麦克风、系统声、摄像头气泡和点击效果，可导出为 MP4 或 GIF。
• 交给 AI 代理：在已有截图或录屏时按住 fn 说话，Szept 会把文字和媒体文件一并粘贴回原应用（Claude Code、Cursor 或聊天窗口），用户再按回车发送。

历史记录和媒体文件统一保存在本地时间线里，可跨语言搜索，例如输入「wdrozenia」也能找到波兰语单词「wdrożenia」。

不带本地模型，语音交给 Soniox

Szept 不内置 Whisper，也不基于 Electron 打包，语音识别全部走云端，使用用户自己的 Soniox 密钥。官方给出的对比数据如下：

• 每小时语音成本（按各家实时 API 公开报价）：Szept 在 Soniox 上约 0.12 美元；ElevenLabs Scribe v2 Realtime 约 0.39 美元；Google 实时约 0.54 美元；Deepgram Nova-3 多语种约 0.55 美元；Azure 实时约 1.00 美元；OpenAI 实时约 1.02 美元。Szept 自身不再额外收费。
• 安装体积：Szept 仅 4.9 MB；作为对比，量化版 Whisper tiny 约 31 MB，base 约 142 MB，small 约 466 MB，large-v3 约 2.9 GB。
• 空闲占用：约 0.0% CPU、24–32 MB 内存；官方在 15 分钟内统计到约 82 次空闲唤醒，而 Finder 同期约 34,389 次。
• 延迟：从松开 fn 到 Soniox 返回最终文字约 180 ms。

应用支持 60 多种语言，可在一句话中间切换，并在词典中维护专有名词和行业术语。

上手与系统要求

Szept 仅支持 macOS 14 及以上版本，以签名并通过 Apple 公证的 DMG 分发，安装体验与普通 Mac 应用一致。安装后需要在「辅助功能」中授予权限才能跨应用输入文字。

一次性买断，附赠「给 AI 代理看的项目说明」

商业模式上，Szept 采用一次性付费，包含：

• 已签名、可直接安装的 DMG；
• 完整的 Swift 源码（含测试与打包脚本），托管在私有 GitHub 仓库；
• 一套「AI 代理开发套件」——CLAUDE.md 中写明的 78 个已知坑、638 个通过测试、12 份实现计划、5 份设计规格，方便 Claude Code、Cursor、Codex 直接接手维护；
• 12 个月内的版本更新，更新结束后已交付物仍归用户所有。

整套产品定位于「让 AI 代理能在第二天就能改这个代码库」，因此把很多只能在别人 Mac 上才会暴露的细节都写进了文档，例如沙盒应用无法自助加入「辅助功能」列表、SwiftPM 的 Bundle.module 在打包后无法定位资源、临时签名每次构建都会变化等。

总体来看，Szept 并不是新的语音模型或大模型产品，而是一个面向 AI 编程代理重度用户的「语音 + 视觉」输入层，差异化主要体现在体积、成本和与代理工作流的衔接上。