简介说明
SayIt 语音输入法说明：说话变文字，再由 AI 自动润色成可用文稿
打字慢、灵感断、和 AI 对话时输入跟不上思路，这是很多人每天都会遇到的问题。SayIt 想解决的就是这个痛点：用说话代替打字，再让 AI 把口语整理成可以直接使用的书面表达。
使用方式很简单：按下快捷键开始说话，再按一次结束。SayIt 会自动完成语音识别，并调用 AI 对内容进行润色，最后把整理好的文字直接输入到当前光标位置。无论是在聊天软件、文档、浏览器输入框，还是代码编辑器里，都可以像普通输入法一样使用。
SayIt 的核心体验可以概括为一句话：随口说，出色写。
它不是单纯把语音转成文字，而是会进一步帮你处理口语化表达。例如去掉"嗯、啊、那个"这类口头禅，修正常见识别错误，把零散表达整理成更自然的书面内容，甚至可以通过 Prompt 自定义实现翻译、分段、总结或特定写作风格。
SayIt 支持三种使用模式
本地模式
语音识别在本机运行，数据不离开设备，更适合对隐私要求较高的用户。
云 API 模式
不需要本地 GPU，可以直接对接云端 ASR 和 AI 服务，适合普通电脑快速上手。
服务器模式
支持 Docker 一键部署，可以使用 GPU 加速推理，更适合团队、公司或内网环境使用。
SayIt 的主要特点
按住说话，松开或再次触发后自动输入到任何应用。
AI 自动去除口头禅，把口语整理成更清晰的书面表达。
支持 Prompt 自定义，可以控制润色风格、输出格式、翻译方式和分段规则。
支持本地部署，也支持接入 DeepSeek、通义千问、豆包等云端模型。
Rust 构建，整体更轻量。
开源、自托管、隐私优先，适合个人和团队长期使用。
支持 AGPL-3.0 开源协议，数据流向更透明。
为什么需要 SayIt？
在 AI 时代，模型输出越来越快，但人的输入速度还是被键盘限制住了。尤其是和 AI 对话、写需求、整理想法、记录灵感时，说话往往比打字更自然，也更接近真实思考过程。
Typeless 这类工具已经让很多人感受到 AI 语音输入的效率提升，但它也有一些明显限制：价格不低，AI 润色 Prompt 不够自由，输出风格有时过于固定，部分场景下整理得太"重"，不一定符合每个人的使用习惯。
SayIt 的定位更灵活一些。它既可以作为个人语音输入工具，也可以部署到团队或企业内部使用。Prompt 可以完全自定义，部署方式可以选择本地、云端或服务器，数据流向也更加透明。
SayIt 的两个核心能力
SayIt 的技术核心主要分为两部分：
语音识别，也就是 ASR。
AI 文本润色，也就是把识别出来的口语内容整理成更可用的文字。
ASR 负责把你说的话转成文本，AI 润色负责把这些文本变得更像"能直接发出去、写进文档、提交给 AI"的内容。
AI 润色能做什么？
SayIt 的 AI 润色功能不只是简单修错字，它可以通过 Prompt 自定义实现多种效果：
去除口癖词，比如"嗯、啊、那个、然后"等。
修正语音识别中的错别字和断句问题。
把口语改成自然书面语。
自动分段排版。
翻译成其他语言。
按指定风格输出，比如更正式、更简洁、更适合写邮件或更适合发给 AI。
SayIt 已经对接了国内常用 AI 服务商，包括通义千问、DeepSeek、豆包等。同时它也支持 OpenAI 兼容格式，所以也可以接入其他供应商或第三方中转服务。
语音识别模型选择
根据作者实际测试，中文语音识别效果大致可以这样排序：
豆包 > Typeless ≈ Qwen3-ASR > FunASR-Nano2512 >= FireRedASR2 > Whisper
豆包在中文语音识别上表现非常强，尤其是小声说话、轻声输入这类场景，实际体验很好。很多办公场景下并不适合大声和 AI 对话，所以"悄悄话识别"能力非常关键。
SayIt 后端部署使用的是 Qwen3-ASR。它的效果仅次于豆包，在开源模型里是比较值得选择的方案。如果部署在公司内部，配合 vLLM 做推理优化，也能获得更好的识别速度。
AI 润色模型推荐
如果你想获得比较均衡的体验，推荐使用 DeepSeek 的 deepseek-v4-flash。它的优势是质量不错、价格低、速度也能接受。
如果你对延迟非常敏感，比如希望 500ms 内返回，可以考虑通义千问 qwen3.6-flash。它速度更快，但准确度和润色质量可能略弱一些。
模型对比：
| 供应商 | 模型 | 短文本 | 长文本（约200字） | 输入价格 | 输出价格 |
|---|---|---|---|---|---|
| DeepSeek | deepseek-v4-flash | 803ms | 2089ms | 1 元/百万 Token | 2 元/百万 Token |
| 通义千问 | qwen3.6-flash | 393ms | 1308ms | 1.8 元/百万 Token | 10.8 元/百万 Token |
配置建议
AI 供应商建议优先使用官方 API。第三方中转站虽然方便，但延迟通常更高，稳定性也更依赖中转服务本身。
DeepSeek 推荐配置：
API 地址：https://api.deepseek.com
模型：deepseek-v4-flash
API Key 获取地址：platform.deepseek.com
适合哪些人使用？
SayIt 比较适合以下几类用户：
经常和 AI 对话，希望减少打字成本的人。
需要快速记录想法、灵感、会议要点的人。
想把口语自动整理成书面表达的内容创作者。
希望替代 Typeless，但又想要更自由 Prompt 控制的人。
对数据隐私有要求，希望自托管或本地部署的团队。
想在企业内部部署 AI 语音输入工具的开发者或管理员。
图片预览
特别注意
1.安装配置界面的时候左上角会出现请求麦克风权限提示，一旦你拒绝了该权限，那么就会用不了。
解决办法:卸载后，重新安装授权即可。
2.默认是使用服务器语音识别的模式，换本地需要在 语音引擎--工作模式 选择本地模式 然后下载对应的模型即可。
然后AI供应商也可以选择本地Ollama来整理文本。
下载地址
https://github.com/crosswk/SayIt
百度网盘 请输入提取码 提取码: 3h4g