VocalCode：本地语音听写工具，让编码与对话解放双手

Show HN 项目 VocalCode 是一款面向桌面端的本地语音听写工具，主打「按下说话、文字直接落到当前输入框」的交互方式，旨在让开发者在编辑器、终端、聊天窗口或代码评审工具中实现免切换的语音输入。其核心特点是所有语音识别均在本地 CPU 上完成，不上传音频或转写文本。

产品形态与交互

VocalCode 并非传统意义上的语音输入框，而是以悬浮胶囊的形式常驻桌面。用户按住特定按键（Windows 上为鼠标前进键，macOS 上为 Option 键或 F13）即可开始说话，识别结果会以原生输入事件的形式注入到当前聚焦的应用中。这种设计使其能够直接配合 Cursor、VS Code、终端等 AI 编程 Agent 工具使用，减少窗口切换。

本地识别与模型路线

工具内置两条本地识别路径：

普通话：使用专属的中英双语 Paraformer 模型，针对中文场景独立优化。
25 种欧洲语言：共用一个 Parakeet 模型，支持自动语种检测，目前以预览标签的形式提供，待逐语言完成发布版本测试。

识别过程完全在用户 CPU 上运行，官方明确表示不发布「不支持硬件的延迟承诺」，实际响应速度取决于硬件性能、音频长度与语种。模型一次性下载后，断网状态下仍可使用；仅在首次试用激活、授权校验和更新检查时需要联网。

隐私与商业模式

VocalCode 采用一次性买断制：30 天全功能试用无需绑定信用卡，授权费用为 4.99 美元，可在最多 3 台设备上激活，并包含当前主版本内的免费更新。付费授权需每 30 天进行一次在线校验，但校验过程仅发送伪匿名设备指纹，不涉及音频或转写内容。

官方在 FAQ 中强调：

音频不会上传，转写历史仅存于本次会话内存，不落盘；
启动试用、激活与校验会发送设备指纹；
模型下载与更新检查需要联网；
macOS 端需要辅助功能与输入监控权限才能注入文本；
Windows 端无法向更高管理员权限的进程注入文本。

平台与限制

macOS：需 11 或以上版本，仅支持 Apple Silicon（arm64），已通过 Apple Developer ID 签名与公证。
Windows：支持鼠标前进键等多种触发方式，可在设置中自定义。
语种范围：支持普通话、英语及 24 种欧洲语言；粤语、韩语、日语、泰语、越南语暂不支持。

小结

VocalCode 是一款典型的「小而美」桌面效率工具：技术栈依托成熟的本地 ASR 模型（Parakeet、Paraformer），交互设计围绕 AI 编程场景做了优化，并以一次性买断 + 本地识别作为差异化卖点。对于需要在编码、评审与 AI 对话中频繁输入文字的开发者而言，它提供了一个低门槛、不依赖云端的语音输入方案；但从 AI 行业整体来看，这一项目更多是现有语音模型的应用示范，而非模型或算法层面的进展。