最近搜了下 V2EX 上的语音输入讨论，Whisper 套壳、实时转录、各种方案都有人在做。工具越来越多，但有一个问题没人解决： 触发它还是得腾手去按键盘。 macOS 原生语音输入默认按两下 Fn 。我做的 LinguaX 可以把鼠标侧键映射成 Fn ，右手拇指按一下就触发，不用把手移到键盘。配合任何依赖 Fn 触发的语音输入方案都能用。 这只是其中一个用法，LinguaX 本质上是个 macOS 鼠标增强 + 输入法自动切换工具： 平滑滚动：任何鼠标在 macOS 上的滚动卡顿，接管后接近触控板手感 按键映射：侧键、拇指键、滚轮倾斜，绑定 Fn 、快捷键或系统动作 输入法自动切换：按应用、按网站域名自动切，进 Terminal 换英文，开微信换中文 30 天免费试用： linguax.app V2EX 用户专属优惠码：V2EX618 （ 6 月 10 日到 18 日有效） 有 Logitech 鼠标的欢迎来试，最近刚补上了 MX Master 一代的支持。
最近搜了下 V2EX 上的语音输入讨论，Whisper 套壳、实时转录、各种方案都有人在做。工具越来越多，但有一个问题没人解决： 触发它还是得腾手去按键盘。 macOS 原生语音输入默认按两下 Fn 。我做的 LinguaX 可以把鼠标侧键映射成 Fn ，右手拇指按一下就触发，不用把手移到键盘。配合任何依赖 Fn 触发的语音输入方案都能用。 这只是其中一个用法，LinguaX 本质上是个 macOS 鼠标增强 + 输入法自动切换工具： 平滑滚动：任何鼠标在 macOS 上的滚动卡顿，接管后接近触控板手感 按键映射：侧键、拇指键、滚轮倾斜，绑定 Fn 、快捷键或系统动作 输入法自动切换：按应用、按网站域名自动切，进 Terminal 换英文，开微信换中文 30 天免费试用： linguax.app V2EX 用户专属优惠码：V2EX618 （ 6 月 10 日到 18 日有效） 有 Logitech 鼠标的欢迎来试，最近刚补上了 MX Master 一代的支持。
大佬们有什么快的办法吗 ？因为平时在MAc M4上用自己的 GPU 加速.mp4转文字，几十个视频也就算了，现在要跑900 多个，怕Mac烧掉… 服务器：腾讯云 Linux x86、4 核、3.6G 内存、没有 GPU，真顶不住啊。。 有没有什么出奇制胜的办法。。。 1 个帖子 - 1 位参与者 阅读完整话题
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
我平时用来输出词级字幕，最近测试了 qwen 的 asr 感觉准确率和时间戳都不是很准啊。。
求助推荐一个支持 gpt-realtime-whisper 的中转站，拿来跑spokenly. 1 个帖子 - 1 位参与者 阅读完整话题
GPT-Realtime-2：具有 GPT-5 级推理能力的语音模型 GPT-Realtime-Translate：实时语音翻译模型 GPT-Realtime-Whisper：流式语音转文字模型 https://openai.com/index/advancing-voice-intelligence-with-new-models-in-the-api/ 11 个帖子 - 9 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 前言 （点击了解更多详细信息） 这是什么 github.com GitHub - Wangnov/codex-asr: Unofficial Rust CLI/library and local... Unofficial Rust CLI/library and local Whisper-compatible REST shim for Codex Desktop ASR using local ChatGPT auth codex-asr ，一个逆向自 Codex APP 的 ASR 工具，也就是语音转文字。 Codex APP 里有一个一次性语音输入接口（仅限 ChatGPT 登录和 OpenAI APIKEY，用中转 provider 是没有这个按钮的）。你在 App 里点语音输入的时候，它会把录音上传到： https://chatgpt.com/backend-api/transcribe 然后拿回一段文本。 这个接口 不是 OpenAI Whisper API ，只是 Codex APP（CLI 没有，CLI 走的是 Realtime，那个就不好拆了）自己在用的一个后端接口。 但它其实挺好用的，毕竟作为 VibeCoding 头子软件里的 ASR，要是转写错了就很影响用户体验。而且我估计背后是基于 whisper API 的，质量还是有保障的。最方便的是可以复用本机 Codex APP 里已经登录好的 ChatGPT 账号。 所以我就把这个小接口逆出来，封装成几个比较容易用的形态： 一个 Rust CLI： codex-asr audio.wav 一个 Rust crate：给其他 Rust 项目直接调 一个本地 REST server： codex-asr serve 一个 OpenAI Whisper 风格的兼容接口：老的 Whisper 接入脚本比如龙虾之类的，改一下 base_url 就能试 一个 .silk / 微信语音预处理入口：先用本机 rust-silk 解成 WAV，再上传（这里用了我的另一个开源项目： GitHub - Wangnov/rust-silk: SILK v3 编解码工具与 Rust 封装。内置官方 SILK C 源码（BSD 3-Clause），提供易用的 CLI， 覆盖常见的微信语音（含腾讯前缀）与 PCM/WAV 互转场景 | SILK v3 codec tools and Rust bindings. Bundles the official SILK C sources (BSD 3-Clause) and provides a simple CLI for common WeChat voice (Tencent prefix) and PCM/WAV conversions · GitHub ），这是可选项，个人需求加进去的，也可以选配别的解码后端 以下为 AI 写的 README 截图： 效果如何 效果很简单，就不多说了。这里放一下一个意外的数据，并发压测： 可以看到，96 并发也是很稳定的，这也是我特地把它发出来的原因。想薅个免费（其实也不免费，开了订阅的）稳定的 ASR API 还是要下一点功夫的，有 GPT 自带的就用起来 如何安装 Homebrew brew tap wangnov/tap brew install codex-asr cargo-binstall cargo binstall codex-asr cargo install cargo install codex-asr GitHub Release 安装脚本 curl --proto '=https' --tlsv1.2 -LsSf \ https://github.com/Wangnov/codex-asr/releases/latest/download/codex-asr-installer.sh \ | sh Windows PowerShell： powershell -ExecutionPolicy ByPass -c "irm https://github.com/Wangnov/codex-asr/releases/latest/download/codex-asr-installer.ps1 | iex" Docker / GHCR docker pull ghcr.io/wangnov/codex-asr:latest docker run --rm ghcr.io/wangnov/codex-asr:latest --version 直接在 Release 里下载二进制 GitHub Release 0.1.2 - 2026-05-05 · Wangnov/codex-asr Release Notes Added REST upload size limit with a clear 413 Payload Too Large response. Changed Reload Codex auth from disk before each transcription request. Add upstream connect and request ti... 如何运行 直接转写： # 默认读取 $CODEX_HOME/auth.json 或 ~/.codex/auth.json codex-asr audio.wav # 给上游一个语言提示 codex-asr audio.wav --language zh # 输出 JSON codex-asr audio.wav --json # 文件没有扩展名时，显式告诉 content type codex-asr raw-audio --content-type audio/wav 如果你手上是微信语音 / SILK： codex-asr voice.silk --silk-decoder /path/to/rust-silk 这里要说明一下，Codex 上游接口本身不吃 SILK，所以 codex-asr 会先调用外部 rust-silk ，把 .silk / .slk 解成临时 WAV，再上传 WAV。 本地起 REST API： codex-asr serve --api-key local_dev_key 支持的路由： GET /healthz POST /v1/audio/transcriptions POST /audio/transcriptions 为了方便和大厂兼容，我把常用字段按 Whisper 风格兼容了一下，这样就方便龙虾之类的支持 Whisper 格式的应用来调： file 必填 model 为了兼容 SDK，接受但忽略 language 转发给 Codex /transcribe response_format 支持 json / text / verbose_json prompt 接受但忽略 temperature 接受但忽略 srt 和 vtt 不支持，因为 Codex 这个接口本身不返回时间戳 鉴权问题 如果稍微了解一点的，可以直接传 Access Token 来鉴权。如果懒得折腾，直接用本机的 $CODEX_HOME/auth.json 来鉴权就可以了（默认行为） 但是千万注意： codex-asr 会复用你的个人 Codex / ChatGPT 登录 token，虽然为了方便我打了 Docker 镜像，但是千万 不要把没有保护的服务暴露到公网 这个项目默认的保护： REST 默认只绑定 127.0.0.1 serve 默认要求本地 API key --no-api-key 只建议在可信 loopback 环境里用 公网 Docker 部署示例使用 Caddy 自动 HTTPS，并且仍然要求应用层 api-key 工具只读取 auth，不会写入或刷新 auth 不保存转写结果，除非你的调用方自己保存 支持格式 本地测试里，上游可以直接接受这些格式： WAV PCM MP3 M4A / MP4 AAC FLAC Ogg Opus WebM Opus 微信语音这类 .silk / .slk ，需要走外部 rust-silk 解码成临时 WAV 再传。 说完了 以上就是 Codex 实用小工具系列 第二弹： codex-asr 。 有问题欢迎直接丢 issue，也欢迎佬友 Star / 插眼。后续还有其他 Codex 周边小工具，我整理完继续发。 Codex 实用小工具系列目录 第一弹： 【开源】切 provider 避免丢会话：Codex-Threadripper（Codex实用小工具系列第一弹） 第二弹： 【开源】逆向 Codex APP ASR 搓了一个语音转写小工具，支持 Whisper 格式（Codex 实用小工具第二弹） 4 个帖子 - 3 位参与者 阅读完整话题
官网介绍页： https://app.yakteam.com/ App Store: https://apps.apple.com/us/app/yak-ai-sip-phone/id6763033863 * 支持 SIP 协议支持的大部分功能，UDP/TCP/TLS 注册，多账号支持 * 支持 DTLS/SDES/ZRTP 协议的加密，Stun 、Turn 转发 * 支持 Callkit + PushKit ，自建的 Asterisk/FreePBX/FreeSwitch/3CX 之类的可以自己对接唤醒来电、漏接提醒 * 支持画中画的 H.264 前后视频翻转，视频通话，DTMF 传送 * 支持 Whisper 模型下载，实时转录，大模型总结分析通话内容，Q4 量化模型 * 支持 iCloud 备份、SIP 日志查看 现在可以愉快的打电话了，欢迎 V 友测试，附赠一些兑换码，可以一次性解锁完整功能（收费回血开发者账号费用~） 34KNPLY3F64WWE3LP7 JJH3RY336FWF466A4M F7MY3EFHJKANERE8W7 F8JLJT7LNEAMPMF6RX LAE7FTY33M667PF3EX XR6KRPJNE8L3RNK6F6 HHRWRNMKMR6J6ALWXJ Y6N4JNEATR4FH3RKPJ NEML43FHAT6YEHX4KW PW7N3JRWT76FERX3X8 NEHPEPALF6HY3JY7P6
官网介绍页： https://app.yakteam.com/ App Store: https://apps.apple.com/us/app/yak-ai-sip-phone/id6763033863 * 支持 SIP 协议支持的大部分功能，UDP/TCP/TLS 注册，多账号支持 * 支持 DTLS/SDES/ZRTP 协议的加密，Stun 、Turn 转发 * 支持 Callkit + PushKit ，自建的 Asterisk/FreePBX/FreeSwitch/3CX 之类的可以自己对接唤醒来电、漏接提醒 * 支持画中画的 H.264 前后视频翻转，视频通话，DTMF 传送 * 支持 Whisper 模型下载，实时转录，大模型总结分析通话内容，Q4 量化模型 * 支持 iCloud 备份、SIP 日志查看 现在可以愉快的打电话了，欢迎 V 友测试，附赠一些兑换码，可以一次性解锁完整功能（收费回血开发者账号费用~） 34KNPLY3F64WWE3LP7 JJH3RY336FWF466A4M F7MY3EFHJKANERE8W7 F8JLJT7LNEAMPMF6RX LAE7FTY33M667PF3EX XR6KRPJNE8L3RNK6F6 HHRWRNMKMR6J6ALWXJ Y6N4JNEATR4FH3RKPJ NEML43FHAT6YEHX4KW PW7N3JRWT76FERX3X8 NEHPEPALF6HY3JY7P6
官网介绍页： https://app.yakteam.com/ App Store: https://apps.apple.com/us/app/yak-ai-sip-phone/id6763033863 * 支持 SIP 协议支持的大部分功能，UDP/TCP/TLS 注册，多账号支持 * 支持 DTLS/SDES/ZRTP 协议的加密，Stun 、Turn 转发 * 支持 Callkit + PushKit ，自建的 Asterisk/FreePBX/FreeSwitch/3CX 之类的可以自己对接唤醒来电、漏接提醒 * 支持画中画的 H.264 前后视频翻转，视频通话，DTMF 传送 * 支持 Whisper 模型下载，实时转录，大模型总结分析通话内容，Q4 量化模型 * 支持 iCloud 备份、SIP 日志查看 现在可以愉快的打电话了，欢迎 V 友测试，附赠一些兑换码，可以一次性解锁完整功能（收费回血开发者账号费用~） 34KNPLY3F64WWE3LP7 JJH3RY336FWF466A4M F7MY3EFHJKANERE8W7 F8JLJT7LNEAMPMF6RX LAE7FTY33M667PF3EX XR6KRPJNE8L3RNK6F6 HHRWRNMKMR6J6ALWXJ Y6N4JNEATR4FH3RKPJ NEML43FHAT6YEHX4KW PW7N3JRWT76FERX3X8 NEHPEPALF6HY3JY7P6
官网介绍页： https://app.yakteam.com/ App Store: https://apps.apple.com/us/app/yak-ai-sip-phone/id6763033863 * 支持 SIP 协议支持的大部分功能，UDP/TCP/TLS 注册，多账号支持 * 支持 DTLS/SDES/ZRTP 协议的加密，Stun 、Turn 转发 * 支持 Callkit + PushKit ，自建的 Asterisk/FreePBX/FreeSwitch/3CX 之类的可以自己对接唤醒来电、漏接提醒 * 支持画中画的 H.264 前后视频翻转，视频通话，DTMF 传送 * 支持 Whisper 模型下载，实时转录，大模型总结分析通话内容，Q4 量化模型 * 支持 iCloud 备份、SIP 日志查看 现在可以愉快的打电话了，欢迎 V 友测试，附赠一些兑换码，可以一次性解锁完整功能（收费回血开发者账号费用~） 34KNPLY3F64WWE3LP7 JJH3RY336FWF466A4M F7MY3EFHJKANERE8W7 F8JLJT7LNEAMPMF6RX LAE7FTY33M667PF3EX XR6KRPJNE8L3RNK6F6 HHRWRNMKMR6J6ALWXJ Y6N4JNEATR4FH3RKPJ NEML43FHAT6YEHX4KW PW7N3JRWT76FERX3X8 NEHPEPALF6HY3JY7P6