感谢诸位相聚在此主页 https://wanshiwu.fyihttps://wanshiwu-telegram.pages.devhttps://wanshiwu-telegram.pages.dev/posts/189https://wanshiwu-telegram.pages.dev/posts/189Wed, 08 Jul 2026 01:26:57 GMT <div> <img class="gallery__thumb" src="/static/https://cdn5.telesco.pe/file/ZAdA68efEvve5P7GjPGc8w13bVOGLtpfC7PbZeSH2Zdc-A145Cd-9_dkzUiPjpVMWt__hJ6Gy0mk3mqRYSrdcpwvc2F9_aZlVJWVG7cKOR5i6V8h1xcSyTqPsP_bsk8ZdKth59S3k-vmYJ5es4jZdRNbvsy2FlyPK4PK8y2ceR9PPHaTaqH47eHv0_ui_TEF_Nn7G2H1W5g5PjTsED36Hi-Nxx-0tp5zYQI7cevUNgWJMDK-43_L8QCKLPHuutcLA5iDBiga9Un-K5O_qqK0IPGmJmSFUPIkC6rMCxVHZFcRa8vpHScTAOViQlAPVXal5pZSQiCQbzyNMcP7FJs2gQ.jpg" alt="全体起立！豆包语音输入支持全局快捷键起因是发现 GitHub 上有一个项目叫做 Doubao IME Hammerspoon 这个项目做的事情很简单，按下快捷键，切换到豆包的语音输入法，接收语言，识别上屏，然后切换回原有的输入法会有这样的工具也很好理解，假设你在写代码，这个时候你想写注释，那你是不是得切换到拼音输入法？输入完注释之后，你又想继续写代码，你又得切换回原来的字母输入法" width="453" height="361" loading="eager" /> <img class="gallery__thumb" src="/static/https://cdn5.telesco.pe/file/PIm5yVMzm-pWTOjhcf06gvQcP05kaXsNelRsMD0hQWeR4FMpTUsESd0QtJ9DM0B-tfl9QON-hBkU0NZ6sfew413vFTo0D0X6-aDZSlRwayQmObfNobPOM_96we_qISWvg0yMtY9hr0fjsM6L0tWjV7O0TQmLvxelwDTrgyeniqDsvSTha1skL9neXCR07WEdSWC81z1Dktkx7aSSvuqac4y2IU5Kp_zs-Rr_tZSKqvJ_RNfm1jWFa0TA0xDOeFWPT8N4tkH_khBDuEIVzIwnpGmSZ5KcMzUaWiBTtSfL_Gs174YGyMcwGO2vh2BWOnr5h2Hwu6wfeTYwALoG5sJ-lA.jpg" alt="全体起立！豆包语音输入支持全局快捷键起因是发现 GitHub 上有一个项目叫做 Doubao IME Hammerspoon 这个项目做的事情很简单，按下快捷键，切换到豆包的语音输入法，接收语言，识别上屏，然后切换回原有的输入法会有这样的工具也很好理解，假设你在写代码，这个时候你想写注释，那你是不是得切换到拼音输入法？输入完注释之后，你又想继续写代码，你又得切换回原来的字母输入法" width="225" height="180" loading="eager" /> <img class="gallery__thumb" src="/static/https://cdn5.telesco.pe/file/gJF1Uo1YRyzgX9PeZn54IizkZPpHfuP0ILDHlS7h40KCSq234bpQkd8WZ-rGSqKvRWHA9CAm_gPLMAIdIlHH1oBrIYjVTIua8VHGxFuT5IpAtmhX9eu74kKaGxmSJwPSTP21nq0RuTagyJnGEDTEv5Hmu4APPBnrVpMretjeXX4crmk9i75wvodrKDFCGhOn55cVCTWvZagHqdr3HY0OLKXTeTvcMVrErOdVRxL3JEII0t74isqKs8doRSyb6ZMiEMmUWziRn-IahFqpyThiYIczdeXrjT64wjVbOBbg0C7DY-waBUEGFAvuQQkv2ojUG_uUSpWyHWNLk6KailVuVw.jpg" alt="全体起立！豆包语音输入支持全局快捷键起因是发现 GitHub 上有一个项目叫做 Doubao IME Hammerspoon 这个项目做的事情很简单，按下快捷键，切换到豆包的语音输入法，接收语言，识别上屏，然后切换回原有的输入法会有这样的工具也很好理解，假设你在写代码，这个时候你想写注释，那你是不是得切换到拼音输入法？输入完注释之后，你又想继续写代码，你又得切换回原来的字母输入法" width="226" height="180" loading="eager" /> </div> <div> × ‹ › <div></div> <p>1 / 3</p> </div> <div>全体起立！豆包语音输入支持全局快捷键<br /><br />起因是发现 GitHub 上有一个项目叫做 Doubao IME Hammerspoon <br />这个项目做的事情很简单，按下快捷键，切换到豆包的语音输入法，接收语言，识别上屏，然后切换回原有的输入法<br />会有这样的工具也很好理解，假设你在写代码，这个时候你想写注释，那你是不是得切换到拼音输入法？输入完注释之后，你又想继续写代码，你又得切换回原来的字母输入法。那么这个工具就是用来解决这个问题的，可以方便快速地做语音输入和输入法的切换。<br />但是会带来一个问题，这个工具首先是基于 Hammerspoon 的。Hammerspoon 是一个基于 Lua 的快捷工具，类似于 Raycast 一样的东西。首先，这个工具我用过，它的界面非常的原始。其次，这一套机制也不是很先进。再者，它是基于 Lua 写的，没有那么多的库可以直接用。最后，它的 UI 库在 Mac 上并没有完全实现。<br />知道这个项目之后，我也尝试写过自己的工具，不论是直接写，还是说基于 Raycast 去写。虽然最后都有实现，但效果也没有那么让我满意。其实对我而言，语音识别的时候究竟是云端模型还是本地模型都不要紧，因为我不是那么在意隐私（大数据之下哪有）。我关注的是这个东西它能不能很方便的完成我们想要的功能，能不能很快捷的实现我们想要的目的。<br />例如快速的切换输入法，以及借用豆包或者是微信输入法这样的已经做得很完善的产品，它的语音输入的识别率和准确率都非常的高。<br />但自己实现就会带来一个问题。虽然我才做到本地模型这一步，也许借用云端的ASR模型能实现更好的识别效果。当然本地也可以有一些优化的方案，例如用更大的模型做一些人声分离和环境音的去噪，然后再给小模型识别。它还有一些其他优化思路，这边不展开。但整体而言，自己如果要是实现这样一套工具的话，要耗费的精力比较大，且 UI 的交互体验也不是那么的友好。<br /><br />而今天我发现豆包输入法直接更新了这样一个功能，我只能说他们的产品经理真的是非常善于抓住市场需求，或者说他们愿意倾听用户的声音吧。这样的话，可以在不切换输入法的情况下，直接借用豆包的语音输入法，快速地输入我们想要的文字。对我来讲非常友好，因为我不需要频繁地去敲切换输入法的快捷键，对我来说真是方便太多了。<br /><br /><a href="/search/result?q=%23%E8%B1%86%E5%8C%85%E8%BE%93%E5%85%A5%E6%B3%95">#豆包输入法</a> <a href="/search/result?q=%23%E8%AF%AD%E9%9F%B3%E8%BE%93%E5%85%A5">#语音输入</a> <a href="/search/result?q=%23%E5%85%A8%E5%B1%80%E5%BF%AB%E6%8D%B7%E9%94%AE">#全局快捷键</a> <a href="/search/result?q=%23%E8%BE%93%E5%85%A5%E6%B3%95%E5%88%87%E6%8D%A2">#输入法切换</a> <a href="/search/result?q=%23%E6%95%88%E7%8E%87%E5%B7%A5%E5%85%B7">#效率工具</a></div>