语音输入
介绍 VocoType 的语音输入功能：离线识别、低延迟上屏、中英混合输入与自定义替换词典。本文包含上手步骤、适用场景、常见问题与隐私说明，帮助你判断是否适合将语音作为日常输入方式。
语音输入：把“说话”变成可编辑的文字
这篇文档介绍的是 VocoType 的“语音输入”能力：你按下快捷键开始说话，松开/再次按键结束，文本会在光标处上屏，之后仍然可以像普通文字一样编辑。
提醒：延迟/准确率会受到硬件性能、环境噪声、麦克风质量、所用模型等因素影响。下文更关注“能否稳定工作、如何设置、遇到问题怎么排查”。
为什么要用 VocoType 的语音输入？
1）离线识别：隐私与可用性更可控
VocoType 的识别在本地完成（无需把语音上传到云端处理）。如果你的工作内容涉及敏感信息（例如法律、医疗、商业机密），或是你经常在不稳定网络环境下工作，离线方案通常更合适。
2）低延迟上屏：减少“等待感”
在语音输入场景里，体验往往比参数更重要：你说完一句话后，文字能否及时出现、能否保持稳定、会不会频繁丢字/断句。VocoType 的目标是让上屏尽可能接近实时，并把不确定性（网络/云端排队）从链路里移除。
3）中英混合与术语输入：减少切换成本
如果你经常夹杂英文、缩写或产品名（例如开发者/运营/内容创作者），中英混合输入能显著减少切换输入法与手动修正的次数。
4）自定义替换词典：把“常错词”变成“一次性问题”
语音识别难免会有固定误差（同音词、人名、项目代号、行业术语）。VocoType 提供本地替换词典：你把“经常被识别错的词”配置成规则，后续自动替换，减少重复修正。
示例（仅用于说明思路，你可以换成自己的高频错词）：
- “子进程” → “紫禁城”（同音误识别）
- 人名、项目代号、缩写词
- 你所在行业的专有名词
相关文档：如果你需要更完整的配置步骤，请看 自定义词典。
上手步骤（推荐）
- 在任意可输入的地方（聊天框、文档、IDE 注释等）把光标放到目标位置。
- 触发 VocoType 的开始/结束录音快捷键（默认通常是
F2，以你的设置为准）。 - 先用 2-3 句短句测试：观察是否会漏字、是否会频繁插入错误标点。
- 把“高频错词”补进替换词典，让识别结果更稳定。
- 如果你需要把口语整理成书面语，再考虑开启 AI 优化（可选）。
常见使用场景
开发者：注释、Issue、聊天沟通
适合在写注释、补充 Issue 信息、快速沟通时使用；术语类错词可以通过替换词典逐步收敛。
内容创作者：记录灵感与草稿
适合“先把内容说出来”，再用键盘做二次编辑。对于长文，建议分段说，减少一次性长串口语带来的断句成本。
办公沟通：消息回复与会议记录
适合把口头表达快速变成可复制的文字，后续再按需要做格式整理。
可选：AI 优化（把口语整理成可发布文本）
如果你的目标不是“上屏即可用”，而是“把口语变成更正式的文本”，可以开启 AI 优化：
- 纠错/润色：修正口语化表达、错别字与断句
- 翻译：将中文内容翻译成英文输出
- 自定义提示词：按你的工作流定制输出格式（例如“会议纪要/待办清单/代码注释”）
相关文档：AI 深度优化。
开源可信
常见问题（快速排查）
Q：没有上屏/快捷键没反应？
A：优先检查快捷键是否冲突、是否授予了系统所需权限（macOS 的辅助功能/麦克风权限等），以及光标是否在可输入区域。
Q：错词很多怎么办？
A：先把 5-10 个最高频错词加进替换词典，再观察效果；噪声环境下建议换更近距离的麦克风或更安静的环境。