# 同类工具对比 / 选型建议

这页用来说明 MyVoiceTyping 和 Typeless、OpenTypeless、OpenLess、闪电说、Typeoff、Wispr Flow、VoiceSnap、Handy、MacParakeet、OpenQuack、VocaMac、Turbo Whisper、OmniDictate 等语音输入 / AI 听写工具的定位差异。

它不是为了证明“谁一定更好”。这类工具本来就有不同取舍：商业成熟度、云端能力、本地隐私、中文体验、跨平台、订阅费用、是否开源、是否能自己改。

English version: [Alternatives / Comparison](./ALTERNATIVES.md)

## 一句话定位

MyVoiceTyping 是一个面向 macOS 的开源、本地优先中文语音输入项目。

你可以把它理解成 Typeless / Wispr Flow / 闪电说这类产品的开源本地优先方向，但它不是“泛用版 Typeless 克隆”。如果你已经在比较 OpenTypeless、OpenLess、CapsWriter Offline 这类开源方案，MyVoiceTyping 更明确押注的是 **中文 / 中英混合、macOS、本地润写模型、公开数据集和本地自进化**。

它尤其适合更在意这些点的人：

- 中文和中英混合语音输入；
- 本地数据安全；
- 0 费用；
- 代码开源、可审查、可二开；
- 应用、润写模型、数据集都公开；
- ASR 之后还能做标点恢复、轻量纠错和文本润写；
- 后续通过 self-evaluation / 自进化，让本地模型逐渐贴合自己的表达习惯。

相关资产：

- App：[MyVoiceTyping](https://github.com/botaruibo/MyVoiceTyping)
- 本地文本润写模型：[MyVoiceTyping-1.5b-q4](https://modelscope.cn/models/botaruibo/MyVoiceTyping-1.5b-q4)
- 数据集：[MyVoiceTyping-Dataset](https://github.com/botaruibo/MyVoiceTyping-Dataset)

## 快速对比表

| 工具 / 方向 | 更适合谁 | 主要优势 | 需要注意 |
|---|---|---|---|
| MyVoiceTyping | macOS 中文 / 中英混合输入、AI Coding prompt、隐私敏感用户、想要开源可改造的人 | 开源、本地优先、0 费用；应用、模型、数据集公开；ASR 后补标点、纠错、轻量润写；探索本地自进化 | 项目仍早期；Demo/GIF 和真实用户反馈仍有限；目前主要面向 macOS |
| Typeless | 想要成熟商业体验、少折腾、跨平台或云端 AI 编辑的人 | 产品完成度高，上手更省心 | 商业产品和费用结构取决于官方策略；链路透明度和可改造性不等同于开源项目 |
| OpenTypeless | 想要跨平台、开源、可接多供应商 STT / LLM 的 Typeless 替代方案的人 | 开源、免费、Windows / macOS / Linux；可配置 STT 与 LLM 供应商；强调应用感知写作 | 更像通用桌面 AI 语音输入框架；如果你的核心问题是 macOS 中文 / 中英混合、公开本地润写模型、数据集闭环和本地自进化，MyVoiceTyping 的定位更窄 |
| OpenLess | 想要开源、本地优先、面向 AI Prompt 的语音输入体验的人 | 强调代码、数据、凭证属于用户；围绕任意输入框和 prompt 工作流设计；开源、MIT、覆盖多平台方向 | 更偏“开源 Typeless / prompt 输入工具”定位；MyVoiceTyping 更聚焦 macOS 中文 / 中英混合 ASR 后处理，并公开本地润写模型和数据集 |
| SayIt 等开源 AI 润写输入法 | 想要“说话 → 转写 → AI 润色 → 输入到光标处”的开源语音输入方案的人 | 方向直观，适合快速理解 Typeless 平替类工具的基本链路；可本地部署 LLM 或接入不同大模型 | 需要逐项确认具体项目的本地/云端边界、中文优化深度、模型和数据集是否公开；MyVoiceTyping 更强调中文润写模型、调优数据集和本地 self-evaluation |
| 闪电说 / Typeoff | 想要完整语音输入产品、快捷键体验、账号/商业服务的人 | 产品体验更完整，可能覆盖更多平台或云端能力 | 如果输入内容很敏感，需要自行确认数据处理边界 |
| VoiceSnap / 本地听写工具 | 主要想要离线把声音变成原始文字的人 | 纯离线、轻量、偏本地 dictation | 通常更偏“转写”，不一定覆盖中文 ASR 后润写、自进化和完整输入闭环 |
| Wispr Flow 等英文商业 dictation | 英文长文、跨平台商业 dictation 用户 | 英文和通用输入体验更成熟 | 对中文 / 中英混合、本地开源可审查需求未必是重点 |

## 和 Typeless 相比

Typeless 是更成熟的商业 AI 语音输入产品。如果你想要立刻可用、打磨完整、跨平台或云端 AI 编辑体验，它通常会更合适。

MyVoiceTyping 的差异是：

- 开源；
- 更聚焦 macOS 中文 / 中英混合输入；
- 更强调本地优先的数据安全；
- 开源版本不需要订阅费用；
- 应用、润写模型和数据集都公开；
- 正在探索 self-evaluation：用户确认后的修改可以作为本地偏好数据，用来评估或调优本地模型。

如果你今天就要最成熟的商业体验，Typeless 可能更适合。  
如果你想要一个能审查、能改、能本地跑、能长期调成自己输入习惯的中文语音输入栈，MyVoiceTyping 更值得试试。

## 如果你正在搜“Typeless 太贵 / 豆包输入法还是 Typeless / 闪电说替代”

这类问题其实不是单纯在问“哪个识别率最高”，而是在权衡几个很具体的取舍：

- 是否愿意长期订阅；
- 公司内容、代码 prompt、会议纪要是否可以走云端；
- 是否需要直接在任意输入框里输入；
- 中文、英文、变量名、文件名、项目术语能不能混着说；
- 出错后能不能先 review，再决定是否发送；
- 工具是否能被自己审查、修改或继续训练。

MyVoiceTyping 更适合下面这种用户：

- 主要在 macOS 上输入中文 / 中英混合文本；
- 觉得 Typeless / 闪电说 / Typeoff 等商业产品很好，但想要一个开源、0 费用、可审查的路线；
- 在意数据安全，希望语音、转写文本、润写文本和个人修改尽量留在本机；
- 常用语音写 AI Coding prompt、需求、Bug 复现、PR 描述、会议纪要；
- 愿意接受早期项目的不完美，并通过 issue / 试用任务帮助它变好。

如果你的目标是“马上省心、稳定、跨平台、商业客服”，成熟商业产品通常更合适。  
如果你的目标是“开源、本地优先、能自己改、能围绕个人表达习惯长期调优”，MyVoiceTyping 是更对口的候选。

## 和 OpenTypeless 相比

OpenTypeless 是一个很值得关注的开源 Typeless 替代方向。它的优势是跨平台、免费、开源，并且支持多种 STT 和 LLM 供应商，适合想自己配置 Deepgram、Whisper、GLM-ASR、Claude、OpenAI、Ollama 等服务的人。

MyVoiceTyping 和它的差异不是“谁更强”，而是目标更窄。简单说：

- OpenTypeless 更像一个跨平台、多供应商、可配置的桌面 AI 语音输入框架；
- MyVoiceTyping 更像一个面向 macOS 中文 / 中英混合输入的本地模型实验：App、润写模型和数据集作为一组公开资产维护，后续重点是让本地模型从用户确认后的改写中持续适配个人表达。

具体差异是：

- MyVoiceTyping 更聚焦 macOS 中文 / 中英混合输入；
- 不只提供 App，还公开了配套的本地文本润写模型和数据集；
- 更强调中文 ASR 后的标点恢复、错字修正、技术词保护和轻量润写；
- 更适合 AI Coding prompt、中文工作消息、需求、Bug 复现、PR 描述等输入层场景；
- self-evaluation 的方向是把用户确认后的修改沉淀为本地偏好样本，让本地模型逐步贴合个人表达习惯。

如果你想要跨平台、可接多家云服务、应用感知写作，OpenTypeless 可能更合适。  
如果你主要是 macOS 中文 / 中英混合输入，并且希望 App、模型、数据集都公开、能围绕个人术语和表达习惯做本地调优，MyVoiceTyping 更对口。

## 和 OpenLess 相比

OpenLess 也是一个很贴近的开源方向：它强调本地优先、代码和数据属于用户，并且把语音输入和 AI Prompt 工作流结合起来，适合想要“按下热键，说话，在光标处获得打磨干净 prompt”的用户。

MyVoiceTyping 和 OpenLess 的差异主要在聚焦点：

- MyVoiceTyping 当前更明确面向 macOS 中文 / 中英混合输入；
- MyVoiceTyping 把 App、本地文本润写模型和调优数据集作为一组公开资产来维护；
- MyVoiceTyping 的重点是中文 ASR 后处理：标点恢复、常见错字修正、技术词保护、轻量润写；
- MyVoiceTyping 的 self-evaluation 方向更强调把用户确认后的改写沉淀成本地偏好样本，让本地模型逐步贴合个人表达习惯。

如果你想要更通用的开源 prompt 语音输入工具，OpenLess 值得比较。  
如果你更在意中文语音输入、中文 ASR 后处理、公开模型 / 数据集和未来本地个性化调优，MyVoiceTyping 更对口。

## 和 SayIt 等开源 AI 润写输入法相比

近期中文社区里也开始出现 SayIt 这类“Typeless 替代品 / GitHub 开源语音输入法 / 可本地部署 LLM 或接入大模型”的项目介绍。它们共同说明一个趋势：用户要的已经不只是原始语音转文字，而是“说完后自动整理成能直接发出去的文本”。

这类项目值得关注，尤其适合想快速体验“语音识别 + AI 润色 + 当前光标输入”的用户。

MyVoiceTyping 的差异仍然是更窄、更可审查：

- 更明确面向 macOS 中文 / 中英混合输入；
- 不只公开 App，也公开本地文本润写模型和调优数据集；
- 更强调中文 ASR 后处理：标点、断句、错字修正、技术词保护和轻量润写；
- self-evaluation 方向不是简单“接一个大模型润色”，而是希望把用户确认后的修改沉淀为本地偏好样本，让本地模型逐步贴合个人表达习惯；
- 对公司内容、代码 prompt、会议纪要这类敏感输入，默认更关注本地数据边界。

如果你想快速找一个可接不同大模型的语音输入 + AI 润色项目，SayIt 这类工具可以一起比较。  
如果你更在意中文输入细节、模型 / 数据集公开和后续本地个性化调优，MyVoiceTyping 更对口。

## 和闪电说 / Typeoff 相比

闪电说、Typeoff 这类工具通常更偏完整产品体验，可能包含更成熟的快捷键、跨平台、云端模型、账号体系、商业运营和客服支持。

MyVoiceTyping 当前更早期，重点不是“功能一定更多”，而是：

- 尽量让语音、转写文本、润写文本留在本机流程中；
- 让用户能看到代码、模型和数据集；
- 对中文和中英混合输入做更直接的优化；
- 适合开发者、写作者和隐私敏感用户自己折腾、改造、反馈。

如果你已经用闪电说 / Typeoff 很顺，不一定需要切换。  
如果你在意开源、本地优先、0 费用，或者想自己控制输入链路，可以把 MyVoiceTyping 作为补充选择。

## 和 Wispr Flow 相比

Wispr Flow 更偏英文和跨平台的商业 AI dictation 产品，优势是产品完成度和通用体验。

MyVoiceTyping 不打算复制所有 Wispr Flow 功能。当前重点更窄：

- macOS 桌面工作流；
- 中文优先；
- 本地 ASR + 标点恢复 + 轻量纠错 / 润写；
- 适合公司内容、代码 prompt、会议纪要、PR 描述等隐私敏感输入；
- 开源资产可审查、可复用。

英文长文和跨平台商业体验，Wispr Flow 可能更适合。  
中文开发者和 macOS 用户想要开源本地优先路线，可以看 MyVoiceTyping。

## 和 VoiceSnap / Handy / MacParakeet / OpenQuack / VocaMac / Turbo Whisper / OmniDictate 等本地听写工具相比

现在本地或低成本 dictation 工具越来越多，其中很多在英文听写、WhisperKit、本地模型、快捷键体验上做得很好。

例如 VoiceSnap、MacParakeet、Local Whisper、Muesli 这类项目更强调纯离线、本地 macOS dictation、跨平台离线转写、会议转录或特定平台的本地语音输入体验。它们对“只想离线把声音变成文字”或“想要本地会议记录”的用户很有价值。

MyVoiceTyping 的重点不只是“本地语音转文字”，而是完整中文输入闭环：

1. 按住快捷键说话；
2. 语音识别；
3. 恢复标点和句子边界；
4. 修正常见 ASR 错误；
5. 轻量润写文本；
6. 粘贴到当前输入框；
7. 未来把用户确认后的修改作为本地偏好数据，让模型逐步贴合个人表达。

原始转写通常不够用。日常输入真正需要的是能直接发到聊天、邮件、文档、Issue、PR、AI Coding prompt 里的可用文本。

如果你已经有一个英文听写、本地 Whisper、纯离线 Typeless 替代、菜单栏录音或快捷键转写工具，并且主要需求是“把语音变成原始文字”，这些工具可能已经足够。MyVoiceTyping 更适合下面这种需求：macOS 中文 / 中英混合输入较多，希望 ASR 之后自动补标点、修正常见错字、轻量润写，并且未来能把用户确认后的改写沉淀为本地偏好数据，让本地模型逐步贴合个人表达。

## 和 Prompt Line / AI Coding prompt 输入层相比

Prompt Line 这类工具解决的是另一个很真实的问题：Claude Code、Codex CLI、Gemini CLI 等 AI Coding agent 的 prompt 输入框不够舒服，尤其是需要编辑长 prompt、复用历史、搜索文件 / 符号、最后再粘贴到终端时。

MyVoiceTyping 和这类工具更像互补关系，而不是替代关系：

- Prompt Line / prompt 输入层：更擅长组织、编辑、搜索和粘贴 prompt；
- MyVoiceTyping：更擅长把中文 / 中英混合口述内容变成可 review 的文本；
- 两者都应该避免“语音结束就自动发送”，而是先进入可编辑文本框，让用户确认后再提交；
- 对 AI Coding 场景来说，文件名、变量名、库名、错误信息和中英文混合术语需要被保护，不应被润写模型随意改写。

如果你已经有舒服的 prompt 输入层，MyVoiceTyping 可以作为“语音到文本”的前置输入方式。  
如果你主要痛点是 prompt 管理、历史复用、文件搜索或终端粘贴，Prompt Line 这类工具可能更对口。

## 为什么本地优先重要？

语音输入经常包含敏感内容：

- 工作记录；
- 产品需求；
- bug 描述；
- 代码想法；
- 私人消息；
- 会议纪要；
- 个人表达习惯。

MyVoiceTyping 的原则是：在可行范围内，音频、转写文本、润写文本、用户确认后的修改，都应默认留在用户自己的机器上。

如果未来支持云同步、云端训练或共享样本，也应该是明确、可关闭、可理解的 opt-in 行为。

更多说明见：[Privacy / Data Safety](./PRIVACY.md)。

## self-evaluation / 自进化是什么意思？

通用模型不一定懂你的项目名、团队黑话、代码术语、写作风格和口头表达习惯。

MyVoiceTyping 的 self-evaluation 方向是：

- 应用先生成初始转写 / 润写结果；
- 用户修改并确认最终文本；
- “初始输出 → 用户确认文本” 可以成为本地偏好数据；
- 后续可先用于本地评估、热词和规则优化；在用户明确授权后，再探索本地 LLM 轻量调优；
- 目标是越用越贴合你的表达方式。

这类数据可能很敏感，所以不应默认上传，也不应偷偷进入云端训练。

## 什么时候适合试 MyVoiceTyping？

你可以试试 MyVoiceTyping，如果你：

- 主要使用 macOS；
- 经常输入中文或中英混合文本；
- 想要 Typeless 类似的“说话直接落字”体验，但不想订阅；
- 在意本地数据安全；
- 想要一个可以审查和修改的开源项目；
- 经常用语音给 Codex、Claude Code、Cursor、Copilot 写长 prompt；
- 希望未来能通过本地偏好数据，让模型越来越懂自己的表达习惯。

## 什么时候应该选别的工具？

如果你需要下面这些，其他工具可能更合适：

- 立即可用的成熟商业体验；
- Windows / Linux / iOS / Android 支持；
- 英文长文听写为主；
- 云端 AI 编辑和账号同步；
- 不想处理本地模型、权限、安装和调试；
- 企业支持、团队管理、商业 SLA。

## 总结

MyVoiceTyping 不是“又一个转写工具”。

它想做的是一个本地优先、0 费用、开源、面向中文和中英混合输入的 macOS 语音输入层，并且长期走向本地自进化的个性化输入体验。

如果这个方向对你有用，欢迎试用、提 Issue，或者 Star 项目关注后续进展：

https://github.com/botaruibo/MyVoiceTyping