FluidVoice

开口说话，让 Mac 听你的——FluidVoice 如何重新定义语音输入

想象一下这样的场景：你在撰写一份紧急报告，双手离不开键盘，手指敲击的节奏却赶不上思绪的流动。传统打字速度有限，切换窗口、复制粘贴更是打断思路的噩梦。而现在，只需按下全局快捷键，开口说话，你的声音就能实时转写成文字，自动出现在任何 App 的光标处——这就是 FluidVoice 正在做的事。

FluidVoice 是一款完全开源（GPLv3）的 macOS 语音转文字听写应用，由独立开发团队 ALTIC DEV 打造。它的核心理念是「本地优先」——所有语音处理在本地完成，数据绝不离开你的 Mac。与云端方案不同，用户无需注册账号、无需付费开通 API，也不必担心麦克风里的隐私内容被上传到第三方服务器。2025 年 9 月上线 GitHub，仅用不到一年时间便积累超过 5700 颗星，成为 macOS 语音输入领域最受关注的开源项目之一。

项目背景：语音输入的痛点与解决方案

在 FluidVoice 出现之前，macOS 用户可选择的本地语音输入方案屈指可数。苹果自带的听写功能虽然可用，但功能单一、标点处理粗糙、多语言支持有限。Dragon（Nuance）等商业方案价格高昂且对 macOS 适配不佳。云端方案（如 Whisper Web、Dictation.io）则面临隐私风险——无论是医疗记录、商业邮件还是私人对话，用户都不希望这些内容流经第三方服务器。

FluidVoice 正是瞄准了这个空白。它采用「本地语音模型 + 可选云端增强」的混合架构：默认使用在设备上运行的 STT（语音转文字）模型进行实时转写，同时支持用户按需选择 Groq、OpenAI 等云端 API 进行后处理增强。这种设计让普通用户零成本享受高质量听写，而有更高需求的用户可以灵活扩展。

作者 Barathwaj Anandan 在 GitHub 上提到，项目灵感部分来自 Wispr Flow（一个类似的产品），但 FluidVoice 选择了一条更彻底的本地化路线，并选择开源以获得社区信任。这个定位让它在注重隐私的开发者和技术人群中迅速传播。

核心功能：三种模式覆盖全场景

FluidVoice 提供三种核心交互模式，每种都针对不同的使用场景精心设计：

Command Mode（命令模式） 是 FluidVoice 最具差异化的功能。你可以通过语音控制整个 Mac：启动 App、执行快捷指令（Shortcuts）、触发系统操作（如「打开 Safari」「新建邮件」），甚至自动化复杂的工作流。例如，对 Mac 说「打开 Xcode 并创建新项目」，FluidVoice 理解意图后自动执行对应操作。这不只是语音输入，而是语音操控——它重新定义了人机交互的边界。

Write Mode（写作模式） 是最直接的使用场景。它通过 macOS 的 Accessibility API 直接向任何文本框插入文字，兼容所有 App——浏览器、邮件客户端、代码编辑器、备忘录，无一例外。选中已有文本后说「重写这段」，FluidVoice 还能对选中文本进行 AI 增强改写。Live Preview 实时显示转写结果，配合 Notch 适配的浮动窗口，确保你在任何分辨率的 Mac 上都能舒适使用。

AI Enhancement（AI 增强） 是可选的高级功能。项目支持 Groq API、Nemotron Speech 3.5、Parakeet Flash、Parakeet TDN v3 & v2、Cohere Transcribe、Apple Speech 和 Whisper 等多种语音模型。用户可以按语言、延迟和准确率偏好自由切换。更重要的是，团队还开发了 Fluid Intelligence——一个完全本地运行的 AI 增强模块，使用私有本地模型进行智能格式化、上下文感知的大小写纠正和文本后处理，数据同样不离开设备。

技术架构：Swift + Apple 原生框架的精妙组合

从代码结构来看，FluidVoice 是一个标准的 Swift macOS 应用，基于 Swift Package Manager 构建，依赖以下核心库：

• SwiftWhisper（exPHAT/SwiftWhisper）：Whisper 模型在 macOS 的 Swift 绑定，负责核心语音识别
• FluidAudio（altic-dev/FluidAudio）：团队自研的音频处理包，支持 Cohere CoreML ASR
• DynamicNotchKit：处理 MacBook 刘海区域的动态 UI 适配
• PromiseKit：异步流程控制
• PostHog：匿名使用统计（可选，用户可禁用）

源码结构清晰，主要分为 Analytics（分析服务）、AppDelegate（应用入口）以及各类功能模块。AppDelegate 负责启动序列：文件日志初始化 → 设置存储加载 → 本地 API Server 启动 → 分析服务引导 → 更新检查定时器。每个环节通过 PromiseKit 链式编排，确保启动顺序确定性。

值得注意的是，项目通过 LocalAPIServer（本地 API 服务器）暴露 HTTP 接口，这意味着 FluidVoice 可以作为后台服务运行，并通过 REST API 与其他工具集成——这是一个有深度的工程设计选择。

部署方面，项目支持通过 Homebrew Cask 一键安装（brew install --cask fluidvoice），也支持手动下载 DMG。但它需要 macOS 15（Sequoia）+，且目前仅针对 Apple Silicon 优化（M1/M2/M3/M4），Intel Mac 的兼容情况未在文档中明确说明。

社区与生态：快速成长的开源项目

从 GitHub 数据看，FluidVoice 目前（2026年7月）拥有 5743 颗星、343 个 Fork、活跃的 Watchers 列表。团队保持着高频迭代节奏，README 中记录了 v1.6.0 的最新更新，包括全新 Parakeet 实现（几乎零延迟）和 Fluid Intelligence 的正式推出。

项目正在积极扩展平台边界：iOS 和 Windows 版本已在开发中，官方开放了 waitlist 等待名单。如果这个本地优先的语音输入体验能复制到 iPhone 和 Windows PC，其用户群体将成倍扩大。

局限与注意事项

尽管潜力巨大，FluidVoice 也存在一些现实限制。首先，它目前是 macOS 专属，Linux 用户无缘体验。其次，完整的 AI 增强功能（如 Fluid Intelligence）并非开源——核心 AI 增强模块是私有维护的，这与其开源基础形成了一定张力，团队对此在 README 中做了明确说明，用户可以按需选择。第三，极端网络不稳定环境下，云端模型的切换可能出现问题。

此外，源码中有 PostHog 埋点，这是闭源分析库，虽然本地可禁用，但对极度注重隐私的完全离线用户来说，可能需要额外配置。

总结：本地 AI 语音输入的新标杆

FluidVoice 的出现代表了开源社区在「本地 AI 推理」方向的一次成功实践。它用 Swift 和 Apple 原生框架，在 macOS 上构建了一套完整、可用、隐私安全的语音输入系统。从零延迟的 Parakeet 模型到 Fluid Intelligence 本地增强，从 Command Mode 的语音操控到 Write Mode 的全 App 兼容，功能覆盖面和技术实现都相当成熟。

对于 macOS 开发者、技术写作者、追求效率的用户而言，FluidVoice 是目前最值得尝试的开源语音输入工具之一。随着 iOS 和 Windows 版本的到来，它的影响力有望进一步扩大。

数据来源：GitHub (2026-07-02), 5743 Stars | GPL-3.0 License | macOS 15+