OpenTypeless：开源跨平台全局AI语音输入桌面工具
OpenTypeless是什么
OpenTypeless 是基于 Tauri + Rust + React 开发的MIT协议开源桌面AI语音工具，对标 Wispr Flow、Superwhisper 商业付费软件，支持 Windows、macOS、Linux 全平台运行。
该工具核心价值是实现全局语音能力，无需切换应用窗口，通过自定义全局热键，完成语音转文字、AI润色改写、语音问答、文本翻译等操作，处理后的文字直接输入到当前激活的软件当中。项目提供两种使用模式：用户自备API密钥BYOK模式，以及项目官方托管云服务模式；BYOK模式下可完全本地离线运行，音频数据不会流经项目官方服务器，重视隐私的用户可以完全自主掌控数据。
功能特色
全局热键语音听写
自定义全局快捷键触发录音，语音识别完成后支持AI润色优化文本，模拟键盘直接输出文字到任意软件。内置应用感知写作能力，本地识别当前运行软件，自动适配聊天、邮件、代码注释、文档等不同写作风格，仅上传软件分类元数据，不会上传窗口标题、原文内容，保护用户隐私。支持自定义专业词典，批量导入专有名词纠错规则，解决行业术语识别错误。悬浮语音问答 Ask Anything
独立热键唤起问答能力，不需要打开独立聊天窗口。语音提问后自动转写并调用大模型生成答案，结果展示在轻量悬浮面板，默认不保存对话历史；支持选中屏幕已有文本，把选中文本作为上下文，辅助AI回答问题。选中文本智能编辑
在任意软件选中已有文字，通过语音下达指令，完成文本总结、改写纠错、润色翻译，处理完成的内容直接覆盖或者粘贴回原位置，不用复制粘贴来回切换窗口。一键翻译模式
独立快捷键开启翻译，内置20+语种互译，语音录音、选中现有文本都可以作为翻译源，快速完成跨语言文本处理。多服务商自由接入
语音STT识别、LLM大模型可以自由切换服务商，兼容大量公有云API，同时支持 Ollama 本地大模型、本地Whisper，实现完全离线使用。密钥存储在系统凭证管理器，不在程序本地明文保存。高度自定义快捷键
听写、问答、翻译三套工作流可以分别设置独立热键，系统自带各平台默认快捷键方案：Windows默认右Alt、macOS默认Fn组合键、Linux默认Ctrl组合。
技术细节
技术栈：桌面底层采用 Tauri + Rust，负责音频捕获、全局热键监听、系统模拟输入、SQLite本地存储；前端界面使用 React + TypeScript。仓库代码占比 Rust 59.5%，TypeScript 39.7%。
数据存储：配置、自定义词典全部本地存储；API密钥交由操作系统凭证库保管，不存明文配置文件。
网络策略：BYOK自备密钥模式，程序仅和用户自己选择的AI服务商通信，不会向OpenTypeless官方服务器上传音频、文本；官方云Pro模式才会访问项目服务端。
本地开发构建
npm install # 安装前端依赖 npm run tauri dev # 启动本地调试 npm run tauri build # 编译各平台安装包
分发产物：提供 Windows msi/exe、macOS dmg、Linux deb/rpm/AppImage 多格式安装包；各系统存在已知兼容问题，例如Windows SmartScreen拦截、macOS安全隔离、Linux Wayland环境全局热键受限。
应用场景
办公文档撰写：Word、飞书文档、WPS，口述快速生成初稿，AI自动润色调整语句。
即时通讯沟通：微信、Slack、企业微信，不用打字，语音直接输出聊天消息。
开发工作：IDE代码注释口述生成，选中文本快速解释代码、翻译注释。
会议记录：录音转写，快速整理会议纪要。
跨语言翻译：外文阅读、对外沟通，选中文本一键翻译。
快速查询问答：悬浮面板快速提问，不用打开浏览器或者聊天软件。
使用方法
下载安装：前往项目GitHub Releases页面，下载对应操作系统的安装包，完成安装，处理系统安全拦截提示。
模式选择
BYOK自备密钥模式：填入自己的STT语音识别、LLM大模型API密钥，也可以配置Ollama本地模型地址，实现离线运行。
官方Cloud Pro模式：注册项目账号，使用官方托管算力，适合不想管理API密钥的轻度使用者。
热键配置：进入设置页，确认或者修改听写、问答、翻译三组全局快捷键。
日常使用
1）语音听写：按下听写热键，说话录音，松开按键自动转写，可选AI润色，文字直接输出到当前光标位置。
2）语音问答：按下问答热键，口述问题，悬浮窗口展示答案；可以先选中文本，再按热键带入上下文。
3）文本编辑：选中软件内文字，按下对应热键，语音说出改写、总结、翻译等指令。
4）翻译模式：触发翻译快捷键，语音说话或者选中文本，直接输出翻译结果。
竞品对比
| 对比项 | OpenTypeless | Wispr Flow | Superwhisper | Windows自带语音输入 |
|---|---|---|---|---|
| 开源状态 | MIT完全开源 | 闭源商业软件 | 闭源 | 系统内置闭源 |
| 跨平台支持 | Windows/macOS/Linux | Windows/macOS | Windows/macOS | 仅Windows |
| 全局热键听写 | ✅支持，多套热键 | ✅支持 | ✅支持 | ❌无全局自定义热键 |
| AI润色/问答/翻译 | ✅全套能力 | ✅付费解锁完整功能 | 仅听写，无内置LLM能力 | 仅听写，无AI处理能力 |
| 本地离线支持 | ✅Ollama+本地Whisper完全离线 | ❌不支持完全离线 | ✅本地Whisper离线听写 | ✅离线听写，无大模型 |
| 自定义多服务商 | ✅兼容几乎全部STT、LLM接口 | 仅限官方内置服务商 | 仅Whisper | 系统内置识别引擎，不可替换 |
| 自定义专业词典 | ✅本地词典 | ❌ | ❌ | 有限系统词典 |
| 数据隐私 | BYOK模式数据不经过项目服务器 | 音频文本上传厂商服务器 | 音频本地，无LLM处理 | 数据微软处理 |
常见问题解答
Q：OpenTypeless一定要联网才能使用吗？
A：不一定。配置本地Whisper做语音识别，搭配Ollama本地大模型，就可以实现完全离线运行，全程不访问外网。只有使用公有云API或者官方Cloud Pro服务时才需要网络。
Q：Linux系统下全局热键失效是什么原因？
A：Linux的Wayland会话对第三方全局热键存在限制，优先切换X11会话可以解决大部分热键失效问题，这是系统层面限制，不是程序bug。
Q：BYOK模式下我的音频会上传到OpenTypeless官方服务器吗？
A：不会。BYOK自备密钥模式，音频和文本只会发送到你自己填写的STT、LLM服务商接口，不会上传项目官方服务器。应用感知写作仅上传软件分类标识，不会上传文档内容、窗口标题。
Q：macOS打开提示无法验证开发者如何处理？
A：macOS安全机制拦截开源未签名软件，在系统设置‑隐私与安全性，下滑选择“仍要打开”即可解除隔离。
Q：可以只使用语音转写，关闭AI润色功能吗？
A：可以，设置内可以关闭LLM相关能力，只保留纯语音听写，不调用任何大模型接口。
Q：自定义词典如何导入导出？
A：在软件设置词典面板，提供导入导出按钮，可以批量导入术语纠错规则，所有词典数据保存在本地。
相关链接
总结
OpenTypeless作为一款MIT开源的跨平台AI语音桌面工具，补齐了普通语音输入缺少AI处理能力的短板，依靠Tauri+Rust实现高性能的全局热键与系统输入，同时支持公有云API与本地离线两套使用方案，兼顾效率与隐私，普通办公人员、开发者都可以借助该工具降低打字负担，在不切换软件窗口的前提下完成听写、改写、问答、翻译等一系列文本处理工作。
版权及免责申明：本文由@人工智能研究所原创发布。该文章观点仅代表作者本人，不代表本站立场。本站不承担任何相关法律责任。
如若转载，请注明出处：https://www.aipuzi.cn/ai-news/opentypeless.html
