作品链接：github.com/xingbofeng/...
最近用 Cursor、Claude Code、Codex 这类工具比较多，我有一个感受越来越明显：
写代码这件事，正在从"敲代码"变成"描述意图"。
以前我大部分时间是在键盘上写实现。现在很多时候，我是在跟 AI 说：这里的逻辑改一下、这个状态不要放这里、这个 API 的 JSON 结构兼容一下旧字段、这个报错顺着调用链往上查一下。
这些话用嘴说很自然，但一个字一个字打出来，就会明显慢一拍。
我试过一些现成工具，但还是想自己做一个
一开始我也不是想自己造轮子。
我试过闪电说、Typeless 这类产品。它们各有优点，有的功能完整，有的体验也不错，也有一些支持本地模型、云端模型、自定义配置。
但用下来，我发现自己真正想要的东西其实更简单。
对我来说，现有方案经常会卡在几个地方：
要么是收费；
要么自定义模型需要配置云端；
要么本地模型在中文技术场景里还不够聪明。
这里不是说它们不好。它们面对的是更大的场景，功能自然会做得更完整。但我自己的需求很窄：我只是想在 vibe coding 的时候，把脑子里的话更快地输入到当前光标位置。
我不想打开一个新窗口。
不想多维护一套复杂配置。
也不想每次语音输入都变成一个新的工作流。
我想要的其实很简单：轻一点，快一点，少折腾一点。
所以我把语音输入做成了一个按键
VoiceInput 的交互非常简单：
按住右 Command，开始说话。
松开右 Command，文字直接落到当前光标位置。
它不是语音助手，也不想替你做决策。它更像一个"语音键盘"。
光标在哪，文字就去哪。
聊天框、文档、浏览器输入框、Cursor、代码编辑器，都可以按这个方式使用。
这也是我自己最在意的地方：不要打断正在进行的工作。
很多工具的问题不是能力不够，而是它会让你从原来的上下文里跳出去。对 vibe coding 来说，这种打断很伤，因为很多时候你只是想补一句上下文、改一句需求、描述一个 bug。
VoiceInput 想做的事情很小：把"想法到文字"这一步变短。
不是简单语音转文字，而是先识别，再纠错
语音输入在中文场景里，最烦的不是普通话识别错一两个字。
真正麻烦的是技术词。
比如 Python、JSON、TypeScript、API、Cursor、Agent 这种词，平时我们说的时候经常中英文混着来。语音识别模型如果把 Python 听成"配森"，把 JSON 听成"杰森"，那后面的上下文就会变得很奇怪。
所以 VoiceInput 不是简单地"语音转文字后直接结束"。
它会先用语音识别模型把你说的话转成文字，然后可以选择让大模型做一次保守纠错。
这里的重点是"保守"。
它不是润色，不是改写，也不是帮你把一句话变得更像营销文案。
它只尽量修正明显听错的技术词。
比如：
- 配森 → Python
- 杰森 → JSON
- Type Script → TypeScript
对我来说，这个能力比"把句子写得更漂亮"更重要。
因为在 vibe coding 里，我真正需要的是：让模型听懂我的技术上下文，而不是替我写作文。
为什么它要克制一点
VoiceInput 不是一个大而全的产品。
它没有想变成完整语音助手，也没有想接管你的工作流。
我希望它尽量克制：
- 常驻 macOS 菜单栏；
- 按住右 Command 即说即用；
- 中文场景开箱即用；
- 可选 LLM 纠错；
- 不确定时尽量保持原文；
- 不把每句话都擅自润色。
很多时候，工具越强，越容易开始替你做太多事。
但对输入工具来说，最重要的反而是存在感低。
它应该像键盘一样：你需要的时候就在，不需要的时候不打扰你。
我把它开源了
现在我把这个小工具开源了，项目叫 VoiceInput。
它不是一个大产品，也不敢说已经完美。只是我自己每天 vibe coding 时确实会用到的一个输入层。
如果你也觉得现在写代码越来越像是在和 AI 描述想法，如果你也觉得打字开始跟不上脑子里的话，可以试试看。
GitHub：xingbofeng / VoiceInput
一句话总结
VoiceInput 想解决的不是"语音助手"的问题。
它想解决的是：
当 vibe coding 让我们越来越频繁地用自然语言描述意图时，输入方式也应该变得更自然一点。
给 vibe coding 补一个输入层。